MBR中膜污染的人工神经网络预测研究进展
|
|
张浩良,刘聪,洪乾坤,王侃鸣,王红宇
|
Research progress of artificial neural network for membrane fouling prediction in MBR
|
|
Haoliang ZHANG,Cong LIU,Qiankun HONG,Kanming WANG,Hongyu WANG
|
|
表2 机器学习常见算法及优缺点
|
Table 2 Typical machine learning algorithms and their advantages and disadvantages
|
|
| 类别 | 特征 | 应用 | 优点 | 缺点 |
|---|
| 随机森林 | 以决策树为基学习器的集成学习算法 | 分类与回归 | 本身精度优于单个算法； 可以处理离散型和连续值； 测试数据集速度较快 | 多个决策树时，训练所需时间和空间较大； 噪音较大的样本容易过拟合； 忽略了数据之间的相关性 | | 邻近算法 | 靠有限的邻近的样本学习 | 分类与回归 | 训练速度快； 对数据没有假设，准确度高 | 计算量过大； 可理解性差； 对训练数据的依赖性较大 | | 支持向量机（SVM） | 利用二次规划求解支持向量 | 分类与回归 | 使用核函数可以解决非线性问题； 分类效果较好 | 对大规模训练样本难以实施； 解决多分类问题存在困难； 对缺失数据敏感，对参数和核函数选择敏感 | | 神经网络 | 用于处理难以解释内部规律的问题 | 分类与回归 | 具有很强的泛化能力； 高速寻找最优解的能力； 具有自学习功能 | 无法解释其推理过程及依据； 学习参数、权值较多； 学习时间较长 | | 线性回归 | 用直线较为精确地描述数据之间的关系 | 回归 | 对数据关系简单、量小效果较好； 是许多非线性回归模型的基础； 易于理解，有利于决策分析 | 对非线性或关系复杂数据难以建模 |
|
|
|