支持向量机时间序列预测模型的参数影响分析与自适应优化

杨虞微; 左洪福; 陈果

Chinese

您当前的位置：

首页 >

文章列表页 >

支持向量机时间序列预测模型的参数影响分析与自适应优化

研究论文 | 更新时间：2026-07-07

- 支持向量机时间序列预测模型的参数影响分析与自适应优化
- Influence analysis and self-adaptive optimization of support vector machine time series forecasting model parameters
- 航空动力学报 2006年21卷第4期
- 作者机构：
  
  南京航空航天大学民航学院,南京,210016
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2006
- 稿件说明：
移动端阅览
杨虞微, 左洪福, 陈果. 支持向量机时间序列预测模型的参数影响分析与自适应优化[J]. 航空动力学报, 2006,21(4).

YANG Yu-wei, ZUO Hong-fu, CHEN Guo. Influence analysis and self-adaptive optimization of support vector machine time series forecasting model parameters[J]. 2006, 21(4).
杨虞微, 左洪福, 陈果. 支持向量机时间序列预测模型的参数影响分析与自适应优化[J]. 航空动力学报, 2006,21(4). DOI：

YANG Yu-wei, ZUO Hong-fu, CHEN Guo. Influence analysis and self-adaptive optimization of support vector machine time series forecasting model parameters[J]. 2006, 21(4). DOI：

摘要

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力

因此与建立在经验风险最小原则上的神经网络模型相比

理论上更为完善。本文运用支持向量机建立时间序列预测模型

研究影响模型预测精度的相关参数

在分析参数对时间序列预测精度的影响基础上

提出用遗传算法建立支持向量机预测模型的参数自适应优化算法。最后

用太阳黑子数据和航空发动机油样光谱数据进行了预测分析。算例表明了本文算法的正确性。

Abstract

Support Vector Machine(SVM) is based on Statistical Learning Theory(SLT) and Structural Risk Minimization Principle(SRM)

and theoretically assures best generalization

therefore

it is theoretically better than Artificial Neural Network(ANN) which is based on Empirical Risk Minimization Principle(ERM).In this paper

SVM was used to establish time series forecasting model

and on the basis of analyzing the influence of model parameters

a self-adaptive optimizing algorithm based on genetic algorithm was put forward.Finally

the sunspot data and the spectrometric oil data of some aero-engines were used for preliminary analysis

and the results show the correctness and validity of the new method.

关键词

Keywords

references

浏览量

426

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于遗传算法的液体火箭发动机参数优化

基于优化拟形的航空发动机控制器降阶方法

飞行/推进系统分散控制优化设计及鲁棒性分析

火焰筒浮动瓦块的壁温-结构一体化优化

自适应遗传神经网络算法在推力估计器设计中的应用