基于AR-SVR模型的有效波高短期预测

为快速、准确地预测波浪的有效波高,该文提出了一种基于平均交互信息(AMI)特征选择的自回归(AR)模型与支持向量回归(SVR)混合的短期有效波高预测算法。AR-SVR模型结合了有效波高序列本身的统计特性,同时考虑到驱动风场的影响。该文比较了AR-SVR模型与AR、SVR模型的预测性能,预测结果表明,AR-SVR混合模型预测结果优于单一的AR和SVR模型。

基于AR-SVR模型的运城市超市肉类价格预测研究

运用AR-SVR模型对2013年1月至2013年12月份的运城市超市肉类的周报价格进行了预测建模,通过比对2014年1月到2014年7月份的实际数据,预测结果可信度高,具有较低的相对误差率。

应用支持向量回归估计预测陀螺误差系数

针对目前小样本容量陀螺误差系数预测精度不高的问题,本文将支持向量回归估计引入到陀螺误差系数的预测研究中。通过对某型陀螺某项误差系数的预测,并且对比分析该方法与目前通用的AR模型预测方法的预测效果,结果表明本文采用的支持向量回归估计具有更高的预测精度。

基于小波分析AR(P)-SVR组合模型在大坝变形预测中的应用

监测序列经小波分解后,得到低频分量和高频分量。对低频分量采用自回归AR(P)模型预测,对高频分量采用支持向量回归机SVR模型预测,最后将各分量进行小波重构,得到监测序列的预测值。结果表明,此种预测方法比直接使用SVR模型或经小波分解后再采用SVR模型预测精度高。

机载电子设备的故障诊断和趋势预测

提高机载电子设备的可靠性,已成为保证飞机性能的当务之急。本文首先指出机载电子设备失效的主要原因是耗损性故障,接着分析了其常见的故障预测方法,最后给出了采用时间序列自回归(AR)模型和基于支持向量回归的时间序列预测(TS-SVR)模型对某机载雷达故障预测的实例。研究发现,AR模型仅适用于短期预测,而TS-SVR方法推广能力强、具有较强的鲁棒性和容错性,对较长区间预测仍具有较好的效果。因此,将TS-SVR方法应用于机载电子设备的故障预测,可以取得良好的结果。

基于AR和PSO_SVR的故障趋势预测

针对机械设备产生的非线性、非平稳时间序列,首先使用自回归模型对非平稳数据进行平稳化处理并确定模型的阶数,再使用支持向量回归算法对平稳后的数据进行拟合,并使用粒子群算法优化支持向量回归算法参数;最后,将该模型用于滚动轴承的退化趋势预测,通过提取滚动轴承的时域和频域特征,以经过主成分析降维后的数据为基础进行趋势预测;将该模型预测的结果与单独使用自回归模型和支持向量机模型预测的结果进行对比,实验结果表明该模型预测的效果较好。

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。