系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2013年
9期
2011-2015
,共5页
范庚%马登武%吴明辉%孟上
範庚%馬登武%吳明輝%孟上
범경%마등무%오명휘%맹상
状态时间序列预测%电子系统%相关向量机%交叉验证%量子粒子群优化
狀態時間序列預測%電子繫統%相關嚮量機%交扠驗證%量子粒子群優化
상태시간서렬예측%전자계통%상관향량궤%교차험증%양자입자군우화
condition time series prediction%electronic system%relevance vector machine (RVM)%cross-validation%quantum-behaved particle swarm optimization (QPSQ)
针对电子系统状态时间序列的预测问题,提出一种基于量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)的相关向量机(relevance vector machine,RVM)方法.对电子系统状态时间序列进行相空间重构,建立了RVM回归预测模型；以交叉验证误差最小作为优化目标,将RVM核参数表示为量子空间中的粒子位置,采用QPSO算法实现RVM模型参数的自动优化选择.雷达发射机状态时间序列预测实例表明,相比已有方法,所提方法具有更高的预测精度；同时,能够输出预测值的置信区间,有利于对电子系统未来健康状况做出更加可靠的判断.
針對電子繫統狀態時間序列的預測問題,提齣一種基于量子粒子群優化(quantum-behaved particle swarm optimization,QPSO)的相關嚮量機(relevance vector machine,RVM)方法.對電子繫統狀態時間序列進行相空間重構,建立瞭RVM迴歸預測模型；以交扠驗證誤差最小作為優化目標,將RVM覈參數錶示為量子空間中的粒子位置,採用QPSO算法實現RVM模型參數的自動優化選擇.雷達髮射機狀態時間序列預測實例錶明,相比已有方法,所提方法具有更高的預測精度；同時,能夠輸齣預測值的置信區間,有利于對電子繫統未來健康狀況做齣更加可靠的判斷.
침대전자계통상태시간서렬적예측문제,제출일충기우양자입자군우화(quantum-behaved particle swarm optimization,QPSO)적상관향량궤(relevance vector machine,RVM)방법.대전자계통상태시간서렬진행상공간중구,건립료RVM회귀예측모형；이교차험증오차최소작위우화목표,장RVM핵삼수표시위양자공간중적입자위치,채용QPSO산법실현RVM모형삼수적자동우화선택.뢰체발사궤상태시간서렬예측실례표명,상비이유방법,소제방법구유경고적예측정도；동시,능구수출예측치적치신구간,유리우대전자계통미래건강상황주출경가가고적판단.
