基于WLS-SVM的飛機狀態監控與預測方法

介紹了加權最小二乘支持向量機(WLS-SVM)在時間序列預測中應用的基本方法,給出了一維時間序列建模預測的一般框架.提出采用BIC準則選取嵌入維數,并給出了基于統計量的模型性能評價方法.針對飛機發動機的典型狀態參數,分別進行基于加權最小二乘支持向量機和AR模型的建模與預測,給出了詳細的比較結果.試驗表明,由于加權最小二乘支持向量機采用了新型的結構風險最小化準則,因而表現出優秀的推廣能力,可預測區間較長且具有較高的準確度.

作 者： 張建業 潘泉 宋吉學 ZHANG Jian-ye PAN Quan SONG Ji-xue   作者單位： 張建業,潘泉,ZHANG Jian-ye,PAN Quan(西北工業大學,自動化學院,陜西,西安,710072)

宋吉學,SONG Ji-xue(空軍工程大學,工程學院,陜西,西安,710038) 

刊 名： 空軍工程大學學報（自然科學版）  ISTIC PKU 英文刊名： JOURNAL OF AIR FORCE ENGINEERING UNIVERSITY(NATURAL SCIENCE EDITION)  年，卷(期)： 2007 8(6)  分類號： V249  關鍵詞： 加權最小二乘   支持向量機   AR模型   監控   預測   飛機  

【基于WLS-SVM的飛機狀態監控與預測方法】相關文章：

支持向量機在飛機狀態監控中的應用04-27

飛機實時監控數據挖掘方法研究04-27

基于非平穩時間序列的陀螺漂移性能建模與預測方法研究04-26

基于狀態轉移陣的SINS/星光組合速度位置誤差估計方法04-27

基于飛參數據的航空發動機監控方法研究04-26

河道型水庫基于敏感性分區的營養狀態標準與評價方法研究04-25

基于多狀態的系統可靠性預計04-26

基于接觸狀態的葉冠預扭設計04-27

基于敏度閾值拓撲優化方法在飛機加強框設計中的應用04-26

基于小波神經網絡的煤層底板突水非線性預測方法研究04-25