中国机械工程
中國機械工程
중국궤계공정
CHINA MECHANICAl ENGINEERING
2015年
10期
1380-1384
,共5页
跨组织资源链%粒子群算法%支持向量机%时间序列预测
跨組織資源鏈%粒子群算法%支持嚮量機%時間序列預測
과조직자원련%입자군산법%지지향량궤%시간서렬예측
cross-organizational resources chain%particle swarm algorithm%support vector ma-chine%time series prediction
建立了以时间、成本、服务能力、信誉度综合最优的监控模型，并利用改进的粒子群算法优化支持向量机参数对监控模型进行时间序列预测，当监控模型的实际值与预测值在规定的误差范围内时，该资源服务是正常运行的。最后通过一个算例进行监控预测研究，以均方根误差（RMSE）作为评价监控模型的预测精度，研究结果及分析对比表明，该方法有效、可行。
建立瞭以時間、成本、服務能力、信譽度綜閤最優的鑑控模型，併利用改進的粒子群算法優化支持嚮量機參數對鑑控模型進行時間序列預測，噹鑑控模型的實際值與預測值在規定的誤差範圍內時，該資源服務是正常運行的。最後通過一箇算例進行鑑控預測研究，以均方根誤差（RMSE）作為評價鑑控模型的預測精度，研究結果及分析對比錶明，該方法有效、可行。
건립료이시간、성본、복무능력、신예도종합최우적감공모형，병이용개진적입자군산법우화지지향량궤삼수대감공모형진행시간서렬예측，당감공모형적실제치여예측치재규정적오차범위내시，해자원복무시정상운행적。최후통과일개산례진행감공예측연구，이균방근오차（RMSE）작위평개감공모형적예측정도，연구결과급분석대비표명，해방법유효、가행。
This paper established time ,cost ,service capability ,credibility integrated optimal mo-nitoring model and the improved particle swarm algorithm was used to optimize parameters of support vector machine ,the monitoring model was predicted by time series prediction .When the actual and pre-dicted values of the model error ranges satisfied monitoring requirements ,the resource service was normal . Finally ,through an example ,using the root mean square error(RMSE) as prediction accuracy of evaluation model ,the results and comparative analysis show that the method is effective and feasible .
