期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于多元变量组合的回归支持向量机集成模型及其应用 被引量:29
1
作者 崔东文 《水利水运工程学报》 CSCD 北大核心 2014年第2期66-73,共8页
为进一步提高径流预测的精度和泛化能力,提出基于多元变量组合的回归支持向量机(SVR)集成年径流预测模型,以云南省龙潭站年均径流预测为例进行实例研究。首先,以实例1-10月月均流量作为预测因子,采用相关分析法确定预测因子与年... 为进一步提高径流预测的精度和泛化能力,提出基于多元变量组合的回归支持向量机(SVR)集成年径流预测模型,以云南省龙潭站年均径流预测为例进行实例研究。首先,以实例1-10月月均流量作为预测因子,采用相关分析法确定预测因子与年均径流量的相关系数,按照相关系数大小顺序依次选取预钡4因子,构建2维输入变量-10维输入变量的9种SVR模型对实例后12年的年均径流量进行预测。最后,采用简单平均(SA)和加权平均(WA)两种集成方法对具有较高预测精度的7种SVR模型的预测结果进行综合集成。结果表明:①SVR模型的预测精度随着输入变量维数的增加明显提高。②SA-SVR和WA—SVR模型对实例后12年年均径流量预测的平均相对误差绝对值分别为1.73%和1.79%,最大相对误差绝对值分别为6.34%和6.47%,精度和泛化能力均优于各SVR模型。相对而言,由于采用多个SVR模型进行集成,SA-SVR模型预测效果略优于WA—SVR模型。 展开更多
关键词 径流预测 集成模型 回归支持向量机(svr) 简单平均法 加权平均法
下载PDF
基于SVR的X型发动机传感器故障诊断研究 被引量:11
2
作者 李本威 樊照远 +2 位作者 王永华 尹大伟 蒋科艺 《航空动力学报》 EI CAS CSCD 北大核心 2007年第10期1754-1759,共6页
利用基于回归型支持向量机(SVR)的诊断方法,设计了某型涡扇发动机传感器常见故障诊断系统,实现了传感器故障隔离与信号重构.通过发动机试车数据对SVR进行训练,以传感器的偏置故障、冲击故障和漂移故障为例,用MATLAB语言进行了计算机仿... 利用基于回归型支持向量机(SVR)的诊断方法,设计了某型涡扇发动机传感器常见故障诊断系统,实现了传感器故障隔离与信号重构.通过发动机试车数据对SVR进行训练,以传感器的偏置故障、冲击故障和漂移故障为例,用MATLAB语言进行了计算机仿真验证.结果表明:基于SVR的传感器故障诊断具有精确度高,实时性强的特点,是一种很好的传感器故障诊断方法. 展开更多
关键词 航空、航天推进系统 涡扇发动 传感器 故障诊断 回归支持向量机(svr)
下载PDF
基于SVR的非线性系统故障诊断研究 被引量:7
3
作者 胡良谋 曹克强 +2 位作者 王文栋 徐浩军 董新民 《机械科学与技术》 CSCD 北大核心 2010年第2期225-228,233,共5页
针对非线性系统辨识建模和故障诊断难的问题,利用回归型支持向量机(support vector regression,SVR)分别设计了非线性系统的辨识建模系统和故障诊断系统,最后以某一非线性系统为例进行了仿真试验研究,建立了该非线性系统的SVR辨识模型,... 针对非线性系统辨识建模和故障诊断难的问题,利用回归型支持向量机(support vector regression,SVR)分别设计了非线性系统的辨识建模系统和故障诊断系统,最后以某一非线性系统为例进行了仿真试验研究,建立了该非线性系统的SVR辨识模型,在此基础上进行了三种典型故障的诊断试验,仿真试验结果验证了该方法的有效性和先进性。 展开更多
关键词 回归支持向量机(svr) 非线性系统 系统辨识 故障诊断
下载PDF
基于SVR的控制系统辨识建模研究 被引量:4
4
作者 王文栋 郭伟 《燃气涡轮试验与研究》 2009年第3期33-36,共4页
针对非线性控制系统辨识建模较为困难的问题,利用回归型支持向量机(SVR)设计了一例控制系统的辨识建模系统。仿真试验结果表明,SVR具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性。
关键词 回归支持向量机(svr) 控制系统 系统辨识
下载PDF
非线性系统的支持向量机逆模型辨识及控制 被引量:3
5
作者 曹克强 胡良谋 +1 位作者 李小刚 苏新兵 《机械科学与技术》 CSCD 北大核心 2011年第5期708-711,共4页
针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vector re-gression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法。仿真试验结果表明:采用SVR建立的非线性系... 针对非线性系统逆模型建立难的问题,提出了基于回归型支持向量机(support vector re-gression,SVR)的非线性系统逆模型辨识建模的方法,在此基础上,提出了基于SVR的非线性系统逆模型控制的方法。仿真试验结果表明:采用SVR建立的非线性系统逆模型具有很高的建模精度和较强的泛化能力,基于SVR的逆模型控制方法的控制效果好,简单易行。 展开更多
关键词 回归支持向量机(svr) 非线性系统 逆模型辨识 逆模型控制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部