参考文献/References:
[1] H.S.Kim , S.Y.Sohn. Support vector machines for default prediction
of SMEs based on technology.credit[J].European Journal of
Operational Research, 2010,201(3):838-846.
[2] A. K. Abbas, N. A. Al-haideri,A. A. Bashikh. Implementing artificial
neural networks and support vector machines to predict lost
circulation[J].Egyptian Journal of Petroleum,2019.
[3] Z.Ma, C.Ye, H.Li ,W.Ma, Applying support vector machines to
predict building energy consumption in China[J]. Energy Procedia,
2018 ,152:780-786.
[4] E.M .Yahia, Cold chain development and challenges in the developing
world[J]. Acta Horticulturae ,2010,(877):127-132.
[5] 王宁，谢敏，邓佳梁，等.基于支持向量机回归组合模型的中长
期降温负荷预测[J].电力系统保护与控制，2016，44（3）：92-97.
[6] Gao X, Hou J. An improved SVM integrated GS-PCA fault diagnosis
approach of Tennessee Eastman process[J]. Neurocom-
- puting, 2016, 174: 906-911.
[7] 张文雅，范雨强，韩华,等.基于交叉验证网格寻优支持向量机
的产品销售预测[J].计算机系统应用，2019，28（5）：1-9.
[8] 缪芸，缪翼军，陈红坤，等.基于模糊层次分析法与支持向量机
的变压器风险评估[J].现代电力，2014，31（6）:64-69.
[9] 汪海燕，黎建辉,杨风雷.支持向量机理论及算法研究综述[J].
计算机应用研究，2014，31（5）:1281-1286.
[10] 王健峰，张磊，陈国兴，等.基于改进的网格搜索法的SVM 参
数优化[J].应用科技，2012，3：28-31.
[11] 张学工.关于统计学习理论与支持向量机[J].自动化学报，
2000，26（1）：32-42．
[12] G.Najafi, B.Ghobadian, A.Moosavian .SVM and ANFIS for prediction
of performance and exhaust emissions of a SI engine
with gasoline-ethanol blended fuels[J]. Applied Thermal Engineering,
2016, 95: 186-203.
[13] 辜丽琼,宋祖康,杨阳.基于改进支持向量机模型的交通拥堵
情况预测[J].软件导刊，2019，（7）：37-41.
[14] 李飞，蒋敏兰.基于支持向量机回归的蛋鸡产蛋率预测模型
[J].江苏农业科学，2019，47（13）：249-252.
[15] 李晓东，席升阳，潘立.基于最小二乘支持向量机的中国粮食
产量预测模型研究[D].洛阳：河南科技大学，2007．
[16] 付元元，任东.支持向量机中核函数及其参数选择研究[J].科
技创新导报，2010，（9）：6-7.
[17] 王健峰，张磊，陈国兴，等.基于改进的网格搜索法的SVM 参
数优化[J].2012，39（3）：28-31.
[18] 孙德山.支持向量机分类与回归方法研究[D].大连：辽宁师范
大学，2004．
[19] Sain, Stephan R . The Nature of Statistical Learning Theory[J].
Technometrics, 1996, 38（4）：409-409.
[20] 王平，黄河，吴玮.基于支持向量机的湖北省洪涝农业损失
预测模型[J].湖北农业科学，2014，53（18）：4437-4440.