基于WLS-SVM的飞机状态监控与预测方法

基于WLS-SVM的飞机状态监控与预测方法

介绍了加权最小二乘支持向量机(WLS-SVM)在时间序列预测中应用的基本方法,给出了一维时间序列建模预测的一般框架.提出采用BIC准则选取嵌入维数,并给出了基于统计量的模型性能评价方法.针对飞机发动机的典型状态参数,分别进行基于加权最小二乘支持向量机和AR模型的建模与预测,给出了详细的比较结果.试验表明,由于加权最小二乘支持向量机采用了新型的结构风险最小化准则,因而表现出优秀的推广能力,可预测区间较长且具有较高的准确度.

作 者： 张建业 潘泉 宋吉学 ZHANG Jian-ye PAN Quan SONG Ji-xue   作者单位： 张建业,潘泉,ZHANG Jian-ye,PAN Quan(西北工业大学,自动化学院,陕西,西安,710072)

宋吉学,SONG Ji-xue(空军工程大学,工程学院,陕西,西安,710038) 

刊 名： 空军工程大学学报（自然科学版）  ISTIC PKU 英文刊名： JOURNAL OF AIR FORCE ENGINEERING UNIVERSITY(NATURAL SCIENCE EDITION)  年，卷(期)： 2007 8(6)  分类号： V249  关键词： 加权最小二乘   支持向量机   AR模型   监控   预测   飞机  

【基于WLS-SVM的飞机状态监控与预测方法】相关文章：

支持向量机在飞机状态监控中的应用04-27

飞机实时监控数据挖掘方法研究04-27

基于非平稳时间序列的陀螺漂移性能建模与预测方法研究04-26

基于状态转移阵的SINS/星光组合速度位置误差估计方法04-27

基于飞参数据的航空发动机监控方法研究04-26

河道型水库基于敏感性分区的营养状态标准与评价方法研究04-25

基于多状态的系统可靠性预计04-26

基于接触状态的叶冠预扭设计04-27

基于敏度阈值拓扑优化方法在飞机加强框设计中的应用04-26

基于小波神经网络的煤层底板突水非线性预测方法研究04-25