传感技术学报
傳感技術學報
전감기술학보
Journal of Transduction Technology
2012年
5期
712-717
,共6页
油液污染度预测%组合预测%最小二乘支持向量机%粒子群优化
油液汙染度預測%組閤預測%最小二乘支持嚮量機%粒子群優化
유액오염도예측%조합예측%최소이승지지향량궤%입자군우화
为了提高组合预测精度,将最小二乘支持向量机(LS-SVM)用于确定组合预测的函数关系,提出了基于LS-SVM的非 线性组合预测方法;为了提高LS-SVM的学习性能和泛化能力,提出了利用粒子群优化算法(PSO)和K-重交叉验证(CV)相结合的参数寻优方法;最后利用提出的方法对某导弹发射车液压系统的液压油污染度进行了预测,仿真结果表明了提出方法的优越性.
為瞭提高組閤預測精度,將最小二乘支持嚮量機(LS-SVM)用于確定組閤預測的函數關繫,提齣瞭基于LS-SVM的非 線性組閤預測方法;為瞭提高LS-SVM的學習性能和汎化能力,提齣瞭利用粒子群優化算法(PSO)和K-重交扠驗證(CV)相結閤的參數尋優方法;最後利用提齣的方法對某導彈髮射車液壓繫統的液壓油汙染度進行瞭預測,倣真結果錶明瞭提齣方法的優越性.
위료제고조합예측정도,장최소이승지지향량궤(LS-SVM)용우학정조합예측적함수관계,제출료기우LS-SVM적비 선성조합예측방법;위료제고LS-SVM적학습성능화범화능력,제출료이용입자군우화산법(PSO)화K-중교차험증(CV)상결합적삼수심우방법;최후이용제출적방법대모도탄발사차액압계통적액압유오염도진행료예측,방진결과표명료제출방법적우월성.