您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览75 | 下载0

目的 应用支持向量机预测水中化学耗氧量(COD)浓度.方法 基于研究地区的水质监测数据,运用支持向量机算法构建水质预测模型,并对某水厂水源水中COD月均浓度进行了预测.结果 建模以后预测结果显示,训练集的均方误差MSE=0.039 4,相关系数R=0.805 4,平均相对误差MRE=4.22%;两组测试集样本的相对误差分别为8.89%和0.98%.结论 该模型的预测性能良好,简便易行,可以为水质预测提供新思路.

作者:孙伯寅;董国庆;张荣

来源:环境与健康杂志 2016 年 33卷 6期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:75 | 下载:0
作者:
孙伯寅;董国庆;张荣
来源:
环境与健康杂志 2016 年 33卷 6期
标签:
支持向量机 水质 化学耗氧量 预测 Support vector machines Water quality:Chemical oxygen demand Prediction
目的 应用支持向量机预测水中化学耗氧量(COD)浓度.方法 基于研究地区的水质监测数据,运用支持向量机算法构建水质预测模型,并对某水厂水源水中COD月均浓度进行了预测.结果 建模以后预测结果显示,训练集的均方误差MSE=0.039 4,相关系数R=0.805 4,平均相对误差MRE=4.22%;两组测试集样本的相对误差分别为8.89%和0.98%.结论 该模型的预测性能良好,简便易行,可以为水质预测提供新思路.