%0 Journal Article
%T Study on output prediction of CMF based on improved hybrid genetic algorithm and support vector machine<br>基于改进混合遗传-支持向量机的CMF产水预测研究
%A Xu Danyu
%A Wang Qi
%A Tang Yunping
%A Zhang Zhiyang
%A Shi Yan
%A Sun Kai
%A Chai Shuman
%A <br>许丹宇
%A 王琦
%A 唐运平
%A 张志扬
%A 石岩
%A 孙凯
%A 柴树满
%J 环境工程学报
%D 2011
%I 
%X 将模拟退火思想和加速遗传特性相结合，改进选择策略和遗传算子，建立加速遗传模拟退火算法（AGSA）；基于支持向量机(SVM)的非线性回归和改进混合遗传算法的因子筛选，构造了支持向量机模型参数的自适应优化算法，提出连续微滤系统（CMF）产水预测模型；通过实测中试规模连续微滤系统产水量变化对模型进行验证，结果表明：该模型较好地揭示了CMF系统产水变化规律，模拟与实测结果间的误差小、相关性强（R2=0.91、MAE=0.0132、SSE=0.0055、RMSE=0.0155），
%K 连续微滤
%K 支持向量机
%K 加速遗传模拟退火算法
%K BP神经网络
%K 膜通量
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=3FF3ABA7486768130C3FF830376F43B398E0C97F0FF2DD53&cid=92E6F4267FD4CBCB51B1E49E014D8054&jid=3567BD61129AA59043F5DE01F8815DB5&aid=4355538A2E3F647A5F7CB83F283E7C54&yid=9377ED8094509821&vid=94C357A881DFC066&iid=5D311CA918CA9A03&sid=31F5E7613DCE2981&eid=D2FD077E5EE423CA&journal_id=1673-9108&journal_name=环境工程学报&referenced_num=0&reference_num=20