排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
本研究提出了一种基于支持向量机(SVM)算法的造纸过程磨后浆料纤维形态软测量模型,该模型利用原始浆板纤维形态参数和磨浆参数作为输入,用于在线软测量生产过程中的磨后浆料纤维形态。结果表明,采用SVM算法进行建模时,7种磨后浆料纤维形态软测量模型的平均相对误差在2.87%~5.61%之间,均优于采用偏最小二乘回归(PLS)算法的建模效果(平均相对误差3.09%~6.60%),模型精度良好,满足生产中纤维形态实时检测对误差的要求。 相似文献
2.
本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。 相似文献
1