您的位置： 专家智库 > >

洪拍敏

作品数：2 被引量：2H指数：1
供职机构：郑州大学水利与环境学院更多>>
相关领域：环境科学与工程更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 2篇环境科学与工...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇小流域
  • 2篇降雨
  • 2篇SVR
  • 2篇次降雨
  • 1篇支持向量回归
  • 1篇支持向量回归...
  • 1篇神经网
  • 1篇神经网络
  • 1篇侵蚀产沙
  • 1篇网络
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络
  • 1篇产沙

机构

  • 2篇郑州大学

作者

  • 2篇董贝贝
  • 2篇洪拍敏
  • 2篇顾西辉
  • 2篇胡亚萍
  • 1篇姜宏立

传媒

  • 2篇环境与发展

年份

  • 1篇2013
  • 1篇2012
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于SVR的小流域次降雨侵蚀产沙预测
2012年
由于小流域次降雨侵蚀产沙预测的复杂性和非线性,本文采用支持向量回归机(SVR Support Vector Regression)对其进行拟合。小流域次降雨侵蚀产沙的主要影响因子为降雨量、降雨强度、径流深和洪峰流量模数,以此作为输入变量,输出变量为输沙量,建立支持向量回归机模型对样本进行模拟、检测和预测,达到了很好的精度。
胡亚萍董贝贝顾西辉洪拍敏
关键词：支持向量机支持向量回归机小流域
SVR与BP神经网络对小流域次降雨侵蚀产沙预测结果的比较被引量：2
2013年
运用支持向量回归机(Support Vector Regression Machine)与BP神经网络对小流域次降雨侵蚀产沙进行预测。侵蚀产沙输入变量选取降雨量、降雨强度、径流深和洪峰流量模数,流域次降雨侵蚀输沙量为输出变量。以SVR、BP神经网络的预测值与实际值的绝对误差和相对误差作为评价指标。实验表明,SVR的预测精度和稳定性优于BP神经网络。
胡亚萍董贝贝姜宏立顾西辉洪拍敏
关键词：支持向量机SVRBP神经网络
全选 清除 导出
共1页<1>
聚类工具0