动态贝叶斯最小二乘支持向量机
来源期刊:控制与决策2014年第12期
论文作者:涂建山 任章 李清东
文章页码:2297 - 2300
关键词:动态预测;时间序列预测;最小二乘支持向量机;贝叶斯证据框架;
摘 要:为了对涡扇发动机的运行参数变化进行实时高精度预测,提出一种基于动态贝叶斯最小二乘支持向量机(LS-SVM)的时间序列预测算法.该算法将贝叶斯证据框架理论用于推断LS-SVM的初始模型参数;然后,利用样本增减迭代学习算法实现LS-SVM的参数动态调整.对某型涡扇发动机的摩擦力矩时间序列进行动态预测,并与动态LS-SVM模型的预测结果进行比较.结果显示,动态贝叶斯LS-SVM具有较好的预测精度.
潘宇雄,任章,李清东
摘 要:为了对涡扇发动机的运行参数变化进行实时高精度预测,提出一种基于动态贝叶斯最小二乘支持向量机(LS-SVM)的时间序列预测算法.该算法将贝叶斯证据框架理论用于推断LS-SVM的初始模型参数;然后,利用样本增减迭代学习算法实现LS-SVM的参数动态调整.对某型涡扇发动机的摩擦力矩时间序列进行动态预测,并与动态LS-SVM模型的预测结果进行比较.结果显示,动态贝叶斯LS-SVM具有较好的预测精度.
关键词:动态预测;时间序列预测;最小二乘支持向量机;贝叶斯证据框架;