机译:支持向量机与经验方程相结合的混合模型用于预测PEM燃料电池的极化曲线
GS Caltex Corp, R&D Ctr, 359 Expo Ro, Daejeon 34122, South Korea;
Chonnam Natl Univ, Sch Appl Chem Engn, Gwangju 61186, South Korea;
Polymer electrolyte membrane (PEM) fuel cell; Polarization curve; Data-driven model; Support vector machine (SVM); Hybrid modeling;
机译:使用数据驱动模型对纯氧运行的PEM燃料电池的性能预测和分析:人工神经网络和支持向量机的比较
机译:Butler-Volmer方程在PEM燃料电池活化极化建模中的应用
机译:高铁需求的短期预测:结合经验模式分解和灰色支持向量机的混合方法与中国的实际应用
机译:基于支持向量回归机的质子交换膜燃料电池(PEMFC)的预测控制
机译:聚合物电解质膜(PEM)燃料电池的材料开发:(I):新型碳结构作为PEM燃料电池电极中的铂催化剂载体。第二部分:Nafion膜降解的形态学和热力学研究
机译:基于二次支持向量机的经验模式分解和纹理特征相结合的皮肤病变分类
机译:计算流体动力学,人工神经网络和支持向量机器模型的组合,以预测弯曲通道中的流量变量