Abstract – The flooding velocity is

Abstract – The flooding velocity is an important but difficult
to accurately predict parameter for the packed column design.
With the appearance of new packing shapes, traditional
empirical models are insufficient to satisfy the requirement of
engineering applications. In this paper, a novel approach using
least squares-support vector machine (LS-SVM) is proposed to
predict the flooding velocity in the randomly dumped packed
towers. To evaluate the performance of the LS-SVM model
applied to predict the flooding velocity, it is compared with the
traditional empirical models and the neural network models. It is
found that the LS-SVM model can provide the best performance
of all, with an average absolute relative error less than 8 %. The
results demonstrate that LS-SVM offers an alternative approach
to model and predict the flooding velocity in the randomly
dumped packed towers.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ – ความเร็วน้ำท่วมเป็นสำคัญแต่ยากเพื่อสามารถทำนายพารามิเตอร์สำหรับการออกแบบรวบรวมคอลัมน์มีลักษณะที่ปรากฏของรูปบรรจุใหม่ ดั้งเดิมแบบจำลองรวมอยู่ไม่เพียงพอเพื่อตอบสนองความต้องการของใช้งานวิศวกรรม ในเอกสารนี้ นวนิยายวิธีใช้นำเสนอเครื่องเวกเตอร์สนับสนุนกำลังสองน้อยที่สุด (LS-SVM)ทำนายน้ำท่วมเร็วใน dumped ที่ได้บรรจุทาวเวอร์ เพื่อประเมินประสิทธิภาพของรูปแบบ LS SVMใช้เพื่อทำนายความเร็วน้ำท่วม จะถูกเปรียบเทียบกับการรุ่นแบบรวมและแบบจำลองโครงข่ายประสาท มันเป็นพบว่า แบบ LS SVM สามารถให้ประสิทธิภาพสูงสุดทั้งหมด มีเฉลี่ยสัมบูรณ์สัมพัทธ์ผิดน้อยกว่า 8% ที่ผลลัพธ์แสดงให้เห็นถึงว่า LS SVM มีวิธีการอื่นแบบจำลอง และทำนายความเร็วท่วมในการสุ่มdumped อาคารรวบรวม

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ - ความเร็วน้ำท่วมเป็นสิ่งที่สำคัญ แต่ยาก
ที่จะทำนายพารามิเตอร์สำหรับการออกแบบคอลัมน์เต็มไป
ด้วยลักษณะของรูปทรงบรรจุใหม่แบบ
จำลองเชิงประจักษ์ไม่เพียงพอที่จะตอบสนองความต้องการของ
การใช้งานด้านวิศวกรรม ในบทความนี้แนวทางใหม่โดยใช้
เครื่องเวกเตอร์อย่างน้อยสี่เหลี่ยมฝ่ายสนับสนุน (LS-SVM) จะเสนอให้
ทำนายความเร็วน้ำท่วมในการสุ่มทิ้งบรรจุ
อาคาร การประเมินประสิทธิภาพการทำงานของรุ่น LS-SVM
นำมาใช้ในการทำนายความเร็วน้ำท่วมก็จะเทียบกับ
แบบจำลองเชิงประจักษ์แบบดั้งเดิมและรูปแบบเครือข่ายประสาท จะ
พบว่ารุ่น LS-SVM สามารถให้ประสิทธิภาพที่ดีที่สุด
ของทั้งหมดมีค่าเฉลี่ยแน่นอนความผิดพลาดน้อยกว่า 8%
ผลแสดงให้เห็นว่า LS-SVM มีวิธีการเลือก
แบบและคาดการณ์ความเร็วน้ำท่วมในสุ่ม
อาคารทิ้งบรรจุ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ ) ที่สำคัญคือน้ำท่วมความเร็วแต่ยาก
อย่างถูกต้องทำนายค่าพารามิเตอร์สำหรับคอลัมน์บรรจุการออกแบบ .
กับลักษณะของรูปร่าง ขนาดบรรจุใหม่ เชิงประจักษ์รุ่นดั้งเดิม
จะไม่เพียงพอที่จะตอบสนองความต้องการของ
โปรแกรมวิศวกรรม ในงานวิจัยนี้ เป็นแนวทางใหม่โดยใช้
Least Squares สนับสนุนเวกเตอร์เครื่องจักร ( ls-svm เสนอ

) คือคาดการณ์น้ำท่วมความเร็วในการสุ่มทิ้งบริการ
อาคาร เพื่อประเมินประสิทธิภาพของรูปแบบ ls-svm
นำไปทำนายน้ำท่วมความเร็วมันเทียบกับ
แบบเชิงประจักษ์รุ่นและแบบจำลองโครงข่ายประสาทเทียม . มันคือ
พบว่า ls-svm แบบจำลองสามารถให้ประสิทธิภาพที่ดีที่สุด
ของทั้งหมดที่มีความคลาดเคลื่อนสัมพัทธ์เฉลี่ยสัมบูรณ์น้อยกว่า 8%
ผลลัพธ์ที่แสดงให้เห็นว่า ls-svm เสนอทางเลือกในวิธีการ
แบบพยากรณ์น้ำท่วมความเร็วในการสุ่ม
ทิ้งบริการอาคาร