共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于随机森林回归的围岩应力插值方法显示文摘为解决矿井围岩应力监测数据缺失的问题,基于集成学习理论,提出了一种基于随机森林回归预测的围岩应力监测数据插值方法。首先,基于缺失前的历史数据和随机森林回归预测方法,建立围岩应力数据插值模型(IRER)。其次,以无缺失的围岩应力时间序列数据为样本集,构建不同缺失情况的数据集,作为实验用数据。最后,在不同缺失值情况下,选择均值插值、中值插值、线性插值、最邻近插值、Zero阶梯插值、3次B样条插值、拉格朗日插值7种插值方法作为实验对比插值方法,验证围岩应力数据插值模型。结果表明,均值插值、中值插值和拉格朗日插值方法效果较差,尤其是拉格朗日插值方法;随着缺失值个数的增大,拉格朗日插值方法的误差成倍增大;线性插值、最邻近插值、Zero阶梯插值、3次B样条插值适用于缺失值较少的情况;IRER方法在不同缺失值情况下,均取得了较好的插值效果,且随着缺失值数量的增加,这种优势尤为明显。 | 王苏健 贾澎涛 金声尧 | 2021 | 西安科技大学学报2021，41，2： | 10 |
| 2 | 基于改进B样条神经网络-PID控制器的温室温度控制技术显示文摘针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。 | 皇甫立群 | 2020 | 中国农机化学报2020，41，7： | 9 |
您所在的机构暂未开通此部分的功能，请联系管理员