利用兰州地区环境空气质量监测点2015年的大气污染物和气象资料,对比分析了BP神经网络(BPNN)和支持向量机回归(SVR)模型对ρ(PM_(10))的预测效果,并选取典型重污染天气个例验证两种模型的适用性.结果表明, SVR全年和四季的逐2 h预测结果优于BPNN,两者在全年,春季和冬季2~24 h的平均绝对误差总体随着预测时段的增加...
将情感分析和机器学习方法相结合,以股票新闻数据为基础,分别采用BP神经网络(BPNN)和支持向量机回归(SVR)两种方法,对股票价格进行预测分析.首先选取交易量较大的20只股票作为研究对象,抓取相关的新闻数据.然后邀请专家对高频词进行人工情感打分,得到一个针对性更强,粒度更细[-5,+5]的情感词典,同时考虑否定词,程度...
结果表明:土壤盐分参数与土壤有机质含量之间有较强的相关性,使用基于BP神经网络(BPNN)与回归型支持向量机(SVR)建立的改进BPNN-SVR模型预测土壤有机质含量具有较高的可信度.明确了最优的核函数参数后,随机抽取120个样本数据作为训练集,剩余45个样本数据为测试集,数据归一化后用改进BPNN-SVR预测训练集的决定系数达到...
利用K均值聚类及分段三次Hermite插值法,实现了样本数据的等距化;搭建LSTM-BPNN-SVR预测模型强化了对样本数据特征信息的提取,实现了对地铁车辆轴箱温度高精度预测的目的.通过与实测数据进行对比,该模型预测精度可达到99.15%,验证了该方法的有效性;通过与其他六种常规模型的预测结果对比,LSTM-BPNN-SVR预测模型具有更高的...