As can be shown in TABLE I, different numbers oftraining data can caus การแปล - As can be shown in TABLE I, different numbers oftraining data can caus ไทย วิธีการพูด

As can be shown in TABLE I, differe

As can be shown in TABLE I, different numbers of
training data can cause the differences in prediction
performance. However, the increase of the group number has
not improved the prediction accuracy obviously. Even when
the group number is increased to 370, its prediction
performance is worse than the 333-group one. It is mainly
because of the characteristics and relevance of flooding data.
Consequently, the 333-group data are utilized to train the
LS-SVM model for prediction of the flooding velocity in the
following sections.
B. Comparison of LS-SVM Model with Traditional Models
Three traditional empirical models are adopted to predict
the flooding velocity of DN50 plastic short-cascade ring,
DN50 metal Pall ring and DN38 metal Intalox saddle. Then,
they are used to make the comparison with the LS-SVM
model. The first correlation is the Bain-Hougein equation
[14,15], which is an improvement and regression of the
Sherwood chart, formulated in (16):
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
เป็นสามารถแสดงในตารางผม ปรับข้อมูลการฝึกอบรมอาจทำให้เกิดความแตกต่างในการคาดเดาประสิทธิภาพของ อย่างไรก็ตาม การเพิ่มขึ้นของจำนวนกลุ่มมีไม่ปรับปรุงความแม่นยำทำนายอย่างชัดเจน แม้หมายเลขกลุ่มเพิ่มขึ้น 370 การคาดเดาประสิทธิภาพเป็นยิ่งกว่า 333-กลุ่มหนึ่ง เป็นส่วนใหญ่ลักษณะและความสำคัญของข้อมูลน้ำท่วมดังนั้น ใช้ข้อมูล 333-กลุ่มฝึกการรุ่น LS SVM สำหรับทำนายของความเร็วน้ำท่วมในส่วนต่อไปนี้B. เปรียบเทียบรุ่น LS SVM มีรูปแบบดั้งเดิมสามแบบรวมรุ่นจะนำมาใช้เพื่อทำนายความเร็วน้ำท่วมของ DN50 พลาสติกสั้นซ้อนแหวนแถบวาย DN50 โลหะแหวนและ DN38 โลหะอาน Intalox แล้วพวกเขาจะใช้เพื่อทำให้เปรียบเทียบกับ LS-SVMแบบจำลอง ความสัมพันธ์ครั้งแรกคือ สมการเบน Hougein[14,15], ซึ่งเป็นการปรับปรุงและการถดถอยของการเชอร์วูดภูมิ สูตรใน (16):
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
As can be shown in TABLE I, different numbers of
training data can cause the differences in prediction
performance. However, the increase of the group number has
not improved the prediction accuracy obviously. Even when
the group number is increased to 370, its prediction
performance is worse than the 333-group one. It is mainly
because of the characteristics and relevance of flooding data.
Consequently, the 333-group data are utilized to train the
LS-SVM model for prediction of the flooding velocity in the
following sections.
B. Comparison of LS-SVM Model with Traditional Models
Three traditional empirical models are adopted to predict
the flooding velocity of DN50 plastic short-cascade ring,
DN50 metal Pall ring and DN38 metal Intalox saddle. Then,
they are used to make the comparison with the LS-SVM
model. The first correlation is the Bain-Hougein equation
[14,15], which is an improvement and regression of the
Sherwood chart, formulated in (16):
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
ที่สามารถแสดงในโต๊ะผม ตัวเลขที่แตกต่างกันของ
ข้อมูลการฝึกอบรมสามารถทำให้เกิดความแตกต่างในประสิทธิภาพของการทำนาย

อย่างไรก็ตาม การเพิ่มขึ้นของกลุ่มมีการปรับปรุงความถูกต้อง
ทำนายว่า แม้เมื่อ
กลุ่มจำนวนเพิ่มขึ้นเป็น 370 , ประสิทธิภาพการทำนาย
มันแย่กว่า แต่กลุ่มหนึ่ง มันเป็นหลัก
เพราะลักษณะและความเกี่ยวข้องของข้อมูลน้ำท่วม .
ดังนั้นข้อมูลหรือกลุ่มใช้เพื่อฝึก
ls-svm รูปแบบสำหรับการทำนายน้ำท่วมความเร็วในส่วนต่อไปนี้
.
b . การเปรียบเทียบรูปแบบ ls-svm กับรุ่นดั้งเดิม
สามสมการดั้งเดิมมาใช้ทำนาย
น้ำท่วมความเร็วของ dn50 พลาสติกสั้นน้ำตก
dn50 แหวนแหวนโลหะและโลหะ intalox พอลอาน dn38 . งั้น
พวกเขาจะใช้เพื่อให้การเปรียบเทียบกับ ls-svm
นางแบบ แบบแรกคือ เบน hougein สมการ
[ 14,15 ] ซึ่งมีการปรับปรุงและการถดถอยของ
แผนภูมิ Sherwood สูตร ( 16 )
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: