论文部分内容阅读
下水道可燃气体分析是城市下水道可燃气体监测预警系统的重要组成部分。该文针对BP神经网络对下水道可燃混合气体分析存在速度慢、容易陷入局部最优，以及标准最小二乘支持向量机鲁棒性差的缺点，建立了一种基于加权最小二乘支持向量机（WLS-SVM ）的下水道可燃气体分析模型。加权最小二乘支持向量机模型采用最小二乘线性系统，对误差变量进行权值设定，提高了学习速度和学习精度。仿真结果表明：基于WLS-SVM的下水道可燃气体分析模型优于所比较的BP神经网络和最小二乘支持向量回归机2种模型，具有优良的预测精度和鲁棒性。