论文部分内容阅读
以耐高温滤料过滤效率的试验数据为基础数据，分别采用LS-SVM、RBF神经网络和BP神经网络3种方法，以空气温度、过滤风速、发尘浓度作为输入，过滤效率作为输出训练算法，预测不同测试条件下滤料的过滤效率，并对3种算法的预测结果进行了对比分析．结果表明，采用LS．SVM无论从预测精度还是运行时间上，预测效果都最为理想；LS—SVM的过滤效率预测模型与RBF、BP神经网络相比，平均绝对百分比误差最小，程序运行时间最短．