机译:基于主成分分析和布谷鸟搜索算法优化的LSSVM的每日PM_(2.5)浓度预测
Department of Business Administration, North China Electric Power University, Baoding 071000, China;
Department of Business Administration, North China Electric Power University, 689 Huadian Road, Baoding 071000, China;
PM_(2.5); Concentration forecasting; PCA; LSSVM; CS;
机译:基于稳健主成分分析和禁忌搜索算法优化的PSO-LSSVM的中国能源消费量预测
机译:使用主成分分析和人工神经网络技术预测PM_(2.5)浓度:以案例研究:乌利亚,伊朗
机译:在塞萨洛尼基和赫尔辛基,使用主成分分析法比较空气质量数据,并使用人工神经网络预测PM_(10)和PM_(2.5)浓度
机译:基于NDFA-LSSVM模型的PM_(2.5)浓度的预测
机译:每小时空气污染数据的功能数据分析:德克萨斯州埃尔帕索的PM10,PM2.5和臭氧数据的典范相关性和主成分分析。
机译:基于重复周期渐近自学习和自进化扰动的布谷鸟搜索算法进行功能优化
机译:基于主成分分析,小波变换和蝙蝠算法对日常太阳辐射预测优化的混合模型
机译:利用旋转主成分分析对东部美国非城市臭氧浓度进行时空分析