基于LS-SVM的小水电站年发电量智能预测模型

针对小水电站年发电量序列的特点,将最小二乘支持向量机(least squares support vector machine,LS-SVM)回归模型引入年发电量预测领域,并给出了相应的过程和算法。与常规基于人工神经网络(artificial neural net-works,ANN)的智能预测方法比较,该模型优点是明显的:①将神经网络迭代学习问题转化为直接求解多元线性方程;②整个训练过程中有且仅有一个全局极值点,确定了预测的稳定性。最后,一个实际的预测例子表明:该模型实现容易、预测准确,适用于小水电站预测。     

基于LS-SVM的小水电站年发电量智

针对小水电站年发电量序列的特点，将最小二乘支持向量机（least squares support vector machine, LS-SVM）回归模型引入年发电量预测领域，并给出了相应的过程和算法。与常规基于人工神经网络（artificial neural networks, ANN）的智能预测方法比较，该模型优点是明显的：①将神经网络迭代学习问题转化为直接求解多元线性方程；②整个训练过程中有且仅有一个全局极值点，确定了预测的稳定性。最后，一个实际的预测例子表明：该模型实现容易、预测准确，适用于小水电站预测。     

硅酸盐土壤矿物晶体结构对硅酸盐细菌释硅效果的影响

以胶质芽孢杆菌为浸矿菌种对3种典型矿物进行分解,对被浸矿粉进行X-射线衍射分析,并测定浸出液中铝和硅的含量。结果表明,由岛状硅酸盐到架状硅酸盐,菌株对其中铝和硅的浸出能力表现出较明显的规律性变化。