动态贝叶斯最小二乘支持向量机

作者：潘宇雄; 任章; 李清东

来源：控制与决策, 2014, (12): 2297-2300.

DOI：10.13195/j.kzyjc.2013.1172

• 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 dynamic prediction
• time series prediction
• LS-SVM
• Bayesian evidence framework

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.

• 出版日期2014
• 单位北京航空航天大学