检索结果-南通市图书馆

物理学报 2014年第5期63卷 70-79页

作者：唐舟进任峰彭涛王文博北京邮电大学信息与通信工程学院北京100876

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代... 详细信息

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代误差补偿的最小二乘支持向量机预测算法,能够通过多模型联合预测更加有效地逼近混沌系统的映射函数,在预测精度上取得了大幅度的提升.此外,算法通过留一交叉验证法的方法能够在预测前自动优化模型参数组合,克服了现有算法无法仅利用先验信息优化预测模型参数的缺陷.对MackeyGlass和Lorenz混沌时间序列进行了仿真实验,实验结果优于相关文献记载方法的预测性能,在性能指标上好于现有算法一个数量级.

关键词：混沌时间序列预测最小二乘支持向量机迭代误差补偿参数组合优化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于迭代误差补偿的核极端学习机模型在短期电力负荷预测中的应用

引用

计算机应用 2015年第7期35卷 2083-2087页

作者：郎坤张明媛袁永博大连理工大学建设工程学部辽宁大连116024

针对BP神经网络方法制约短期电力负荷预测精度的问题,提出一种基于迭代误差补偿的核极端学习机(KELM-IEC)预测模型。首先,建立短期电力负荷预测模型的输入指标体系,选择月份、日期、星期、周数、是否为节假日、日平均气温、前一日的最... 详细信息

针对BP神经网络方法制约短期电力负荷预测精度的问题,提出一种基于迭代误差补偿的核极端学习机(KELM-IEC)预测模型。首先,建立短期电力负荷预测模型的输入指标体系,选择月份、日期、星期、周数、是否为节假日、日平均气温、前一日的最大负荷量等影响电力负荷的7个因素作为预测模型的输入;其次,基于新型神经网络模型——核极端学习机(KELM),建立负荷预测模型,引入支持向量机(SVM)的核函数映射作为极端学习机(ELM)的隐含层节点映射,有效结合ELM结构简单、训练简便与SVM泛化能力强的优势,提高负荷预测精度;最后,基于时间序列预测中迭代误差补偿(IEC)技术,建立IEC模型,再次利用KELM对负荷预测模型的预测误差进行学习,从而对预测结果进行补偿和修正,进一步减小模型预测误差,提高预测性能。采用两组实际电力负荷数据进行仿真实验,其中,KELM-IEC模型与BP神经网络模型相比,平均绝对百分误差(MAPE)分别降低了74.39%和34.73%,最大绝对误差(ME)分别降低了58.34%和39.58%;同时与KELM模型相比,平均绝对百分误差分别降低了18.60%和4.29%,最大绝对误差分别降低了0.08%和11.21%,说明误差补偿策略的必要性。实验结果表明,KELM-IEC预测模型能够有效地提高短期电力负荷预测的精度,有利于改善电力系统的计划、运营和管理,保障生产和生活用电,提高经济效益和社会效益。

关键词：核极端学习机迭代误差补偿输入变量短期电力负荷预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

改进支持向量机算法研究及其在PHM技术中的应用

改进支持向量机算法研究及其在PHM技术中的应用

引用

作者：瞿传柱哈尔滨工程大学

学位级别：硕士

近年来,现代装备和设备逐渐趋于大型化和复杂化,功能越来越多,结构日益复杂,其安全性和可靠性得到了各方的高度关注,故障预测与健康管理技术为装备系统提供了可靠性保障。而支持向量机作为小样本机器学习的方法,对观测数据有限的系统来... 详细信息

近年来,现代装备和设备逐渐趋于大型化和复杂化,功能越来越多,结构日益复杂,其安全性和可靠性得到了各方的高度关注,故障预测与健康管理技术为装备系统提供了可靠性保障。而支持向量机作为小样本机器学习的方法,对观测数据有限的系统来说是非常实用的。本文研究利用支持向量机算法应用于有限样本的故障预测与健康管理(PHM)问题中,改进了支持向量机核参数和惩罚因子的选取方式,并且提高了最小二乘支持向量机的推广能力。本文首先将可变惩罚因子代入支持向量分类机(SVCM)中,使分类模型更准确的反映整体对各点的重视程度。在近似线性可分和线性不可分情况下,推导了基于可变惩罚因子的支持向量分类机(VPF-SVCM)的对偶问题,并推导了最小二乘法求解VPF-SVCM的计算形式。其次,依据遗传算法搜索最优支持向量机核参数的思路,构建GAVPF-LSSVCM算法。然后,针对多分类问题提出基于二叉树结构的BTGAVPF-LSSVCM算法。最后,将改进的BTGAVPF-LSSVCM算法应用在液体火箭发动机的故障诊断问题中。实验表明,改进后的故障诊断模型在训练时间和正确率两方面都好于原有模型及LSSVCM模型。本文提出了基于迭代误差补偿的最小二乘支持向量回归机改进算法(IEC-LSSVR),并通过几个具有代表性的回归问题应用实例,验证了 IEC-LSSVR的有效性和优越性。之后将IEC-LSSVR分别应用于液态火箭发动机推力预测和波音客机的故障率预测中。实验表明,改进的IEC-LSSVR故障预测方法尽管在训练时间上要长于原始模型,但是就推广能力而言,明显优于原始模型。

关键词：支持向量机 PHM 最小二乘法可变惩罚因子迭代误差补偿

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：