Jul, 2023

应用随机森林和支持向量机研究压力过滤性能，锌厂滤饼建模

PDF
TL;DR压力过滤是锌生产的一种重要方法，本研究使用随机森林回归和支持向量回归模型来模拟压力过滤过程，并发现随机森林回归模型对蛋糕湿度的预测效果较优。
hydrometallurgical methodpressure filtrationzinc productionrandom forest regressionsupport vector regression
发现论文，激发创造
  • 人工神经网络在压力过滤性能研究中的应用：锌浸出滤饼湿度建模

    使用人工神经网络（ANN）模型，研究开发了一种强大的机器学习工具，用于高精度预测锌生产中压力过滤工艺的蛋糕湿度。

    Aug, 2023

  • 利用机器学习增强岩石物理研究：异质储层渗透率预测现场案例研究

    使用人工神经网络、随机森林分类器和支持向量机等三种模型，以预测渗透率为主要目标，比较了三种机器学习算法的有效性，并利用 FZI 岩性分类技术对影响油藏质量的因素进行了分析，表明 FZI 模型和机器学习算法在预测渗透率和提高油藏性能方面具有一定的实际应用价值。

    May, 2023

  • 评估分类算法和支持向量机内核对干豆分类效果的影响

    通过对 Dry Bean 数据集的分析，支持向量机（SVM）的径向基函数（RBF）算法在准确率、精度、召回率和 F1 得分等方面均表现最佳，这为复杂和非线性结构数据集中考虑不同 SVM 算法的重要性提供了宝贵的指导。

    Jul, 2023

  • 机器学习算法综合领域知识用于真菌孢子浓度预测

    这篇研究论文介绍了一种利用时间序列数据和领域知识的机器学习算法，以预测真菌孢子浓度，从而实现纸浆和造纸行业的实时质量控制。

    Sep, 2023

  • 基于机器学习的模拟退火优化 TPMS 构造材料

    通过机器学习和模拟退火方法，本研究提出了一种优化三维周期性最小曲面结构的拉伸应力的新方法。评估了随机森林、决策树和 XGBoost 模型在预测拉伸应力方面的性能，使用来自有限元分析的数据集生成。结果表明，SA-XGBoost 模型在捕捉数据中的复杂关系方面表现最佳，其 R 平方值为 0.96。相比之下，SA - 随机森林模型的 R 平方值为 0.89，而 SA - 决策树模型在验证得分方面波动较大。这表明，SA-XGBoost 模型能够最有效地捕捉数据中的复杂关系。SA 的整合有助于优化这些机器学习模型的超参数，提高其预测能力。

    May, 2024

  • 新软件项目缺陷密度预测的 v-SVR 多项式核方法

    本文研究了使用支持向量回归（SVR）来预测 International Software Benchmarking Standards Group（ISBSG）Release 2018 数据集中新软件项目的缺陷密度（DD），实验表明 v-SVR 与多项式核比简单线性回归（SLR）在第三代编程语言下开发主机上的新软件项目的预测准确性更好。

    Dec, 2018

  • 利用混合元启发式和机器学习模型优化 PM2.5 预测准确性

    使用支持向量回归（SVR）方法，结合灰狼优化（GWO）和粒子群优化（PSO）算法来预测每小时 PM2.5 浓度，得到了可靠和准确的模型，适用于类似的研究应用。

    Jul, 2024

  • 森林火灾检测中支持向量机（SVM）在具有挑战性数据集上的性能分析

    这篇文章主要研究了使用支持向量机（SVM）对基于图像数据集的森林火灾检测进行性能和利用率分析。通过对带标签数据进行训练，SVM 能够识别与火灾相关的特征，如火焰、烟雾或森林区域的视觉特征变化。文章深入探讨了 SVM 的使用，包括数据预处理、特征提取和模型训练等关键要素，评估了准确性、效率和实际适用性等参数。通过一个具有启示性的案例研究，文章还仔细调查了 SVM 准确性与高维数据集所带来的困难之间的关系。此外，文章还讨论了准确性分数与训练数据集调整不同分辨率之间的关系。综合研究结果揭示了所面临的困难以及需要进一步改进和关注的潜在领域。

    Jan, 2024

  • 从深度滤波到深度计量经济学

    利用混合神经网络和粒子滤波器架构的 SV-PF-RNN，改进粒子滤波器的性能，并实现了随机波动率估计。

    Sep, 2023

  • 地压平衡盾构隧道实时地质预测的 Kriging-Random Forest 混合模型

    开发了适用于地压平衡盾构机的克里金 - 随机森林混合模型，在实时的地质数据预测方面表现优异。

    May, 2023