物流技术
物流技術
물류기술
LOGISTICS TECHNOLOGY
2013年
3期
468-470
,共3页
舰艇部队%油料消耗%支持向量机%遗传算法%神经网络
艦艇部隊%油料消耗%支持嚮量機%遺傳算法%神經網絡
함정부대%유료소모%지지향량궤%유전산법%신경망락
为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.
為瞭提高艦艇部隊戰時油料消耗量預測的準確性,提齣瞭基于支持嚮量機的預測方法.分析瞭支持嚮量機的迴歸原理及算法,構造瞭艦艇部隊作戰油料消耗量預測模型.針對支持嚮量機中訓練參數對預測結果的影響,採用遺傳算法對相關參數取值進行優化,以穫得預測性能較好的支持嚮量機模型.以某艦艇部隊參加縯習的油料消耗量數據作為實驗數據,採用構建的支持嚮量機模型對艦艇部隊油料消耗量進行預測,併將其與BP神經網絡進行對比分析.實驗結果錶明,支持嚮量機比BP神經網絡預測精確度更高,誤差更小,有效提高瞭艦艇部隊作戰油料消耗量預測的準確性和可靠性.
위료제고함정부대전시유료소모량예측적준학성,제출료기우지지향량궤적예측방법.분석료지지향량궤적회귀원리급산법,구조료함정부대작전유료소모량예측모형.침대지지향량궤중훈련삼수대예측결과적영향,채용유전산법대상관삼수취치진행우화,이획득예측성능교호적지지향량궤모형.이모함정부대삼가연습적유료소모량수거작위실험수거,채용구건적지지향량궤모형대함정부대유료소모량진행예측,병장기여BP신경망락진행대비분석.실험결과표명,지지향량궤비BP신경망락예측정학도경고,오차경소,유효제고료함정부대작전유료소모량예측적준학성화가고성.
