论文部分内容阅读
根据木材在不同影响因素（密度、含水率和比重）下沿横纹方向（包括径向和弦向）的导热系数的实测数据集，应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）方法，建立了木材沿不同方向的导热系数的预测模型，并与通过类比法（ANA）导出的理论模型和BP神经网络（BPNN）模型进行了比较。结果表明：基于相同的训练样本和检验样本，木材导热系数的SVR模型比其ANA模型或BPNN模型具有更高的预测精度；增加i）rI练样本数有助于提高sVR预测模型的泛化能力；基于留一交叉验证法（LOOCV）的SVR模型预测的最大绝对百