灰色SVR模型在珩磨尺寸预测中的应用

论文摘要

针对灰色(1,1)模型(Grey model(1,1), GM(1,1))对非指数型数据序列预测精度低的问题,提出了一种灰色支持向量回归(Grey support vector regression, GSVR)预测模型。该模型一方面通过参数累积估计、预测公式改进和数据等维递补,对灰色模型进行建模优化,另一方面通过差分变异和混沌局部搜索改进的粒子群算法,对支持向量回归机进行参数优化,再将二者相结合进行预测。对柱塞套内圆珩磨尺寸的预测结果表明,该模型的预测均方误差为0.3913,平均绝对百分比误差为4.90%,其预测精度较GM(1,1)模型显著提高。

论文目录

• 0 引 言
• 1 ECIGM （1, 1） 模型
•   1.1 IGM （1, 1） 模型
•   1.2 ECIGM （1, 1） 模型预测步骤
• 2 SVRIPSO模型
•   2.1 SVR模型
•   2.2 IPSO算法优化SVR模型参数
•     2.2.1 混沌序列
•     2.2.2 PSO算法
•     2.2.3 IPSO算法实施步骤
• 3 GSVR模型
• 4 实例验证
•   4.1 珩磨尺寸数据
•   4.2 运行参数设置
•   4.3 珩磨尺寸预报
•     4.3.1 ECIGM （1, 1） 珩磨尺寸预报
•     4.3.2 GSVR珩磨尺寸预报
•   4.4 预测结果分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 李奇军,牛永江,宁会峰

关键词: 预测,灰色模型,粒子群算法,支持向量机,珩磨

来源: 机械研究与应用 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 非线性科学与系统科学,自动化技术

单位: 天水师范学院机电与汽车工程学院,兰州理工大学机电工程学院

基金: 国家自然科学基金(编号:51565033),甘肃省教育厅科技研究项目(编号:2017A-076)

分类号: TP18;N941.5

DOI: 10.16576/j.cnki.1007-4414.2019.02.010

页码: 32-37

总页数: 6

文件大小: 1264K

下载量: 67