基于线性趋势模型与LSSVM的校准间隔组合预测.pdf

《基于线性趋势模型与LSSVM的校准间隔组合预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2010年第29卷第9期传感器与微系统(TransducerandMicrosystemTechnologies)61基于线性趋势模型与LSSVM的校准间隔组合预测刘如峰，李世平，文超斌，宋兵(第二炮兵工程学院302教研室。陕西西安710025)摘要：针对仪器校准间隔的预测问题，提出了基于线性趋势模型和LSSVM的一种新的组合预测方法。该方法综合运用线性趋势模型良好的趋势项拟合能力和LSSVM强大的非线性映射功能，具有很高的预测精度。实例验证表明：该方法优于现有方法。关键词：校准间隔；线性趋势模型；最小二乘支持向量机；组合预测中图分类

2、号：TP202．4文献标识码：A文章编号：1000-9787(2010)09-0061-031’·’一·n’‘■·--·’■10mbinedforecastOfCa1iDratiOnintervalDaSec10nlineartrendmodelandLSSVMLIURu—feng，LIShi-ping，WENChao—bin，SONGBing(TheSecondArtilleryEngineeringCollege，Xi’an710025，China)Abstract：Ahybridcombinedforecastmethodbas

3、edonlineartrendmodelandLeastsquaressuppo~vectormachine(LSSVM)isproposedtopredictthecalibrationintervalofinstrument．IntegratinglineartrendmodelwhichhasgoodlinearfittingcapabilityandLSSVMwhichpossessesthecharacteristicsofstrongnonlinearfunctionapproximation，thismethodhash

4、ighperformanceofpredictionprecision．Realexperimentsdemonstratethatthismethodoutperformstraditionalmode1．Keywords：calibrationinterval；lineartrendmodel；leastsquaressupportvectormachine(LSSVM)；combinedforecast0引言其中，m为趋势项，反映了仪器精度随自身惯性、使用根据实际情况进行仪器校准间隔的预测是对仪器进行时间、元器件老化等因素引起的

5、长期确定性变化趋势；s为科学管理的一个热点问题⋯。许多仪器都会在检定周期循环项(季节项)，反映了季节性因素导致的仪器精度变内出现超差，而超差不同于故障，很难被察觉。仪器是人类化；为随机项，反映了随机因素对仪器精度的影响。认识世界的工具，“科学始于测量”，因此，研究校准间隔的处理式(1)这样的时间序列通常有2种方法：一种方预测方法、科学合理地确定仪器的检定周期，以克服不足计法是估计和提取原始数据中的趋势项和循环项，然后拟合量与过剩计量，具有重要的理论意义和使用价值。残差量；第2种方法是由BoxGEP和JenkinxGM首次组合预测的基本

6、思想是把不同的预测模型组合起来，提出的对观测数据反复差分，直到差分后可用平稳过程数综合利用各种方法的优势，提高预测的精确度和可靠学模型来建模。方法二计算量巨大，效果一般；方法一更为性。为克服传统方法对随机波动的敏感和对大样本科学，但趋势项、循环项和随机项的分离方法众多，没有一的依赖，本文提出了基于线性趋势模型与最小二乘支持向个通用的标准，具体到实际的信号或时问序列使用不便。量机(I~SVM)的组合预测方法，并将该方法应用于仪器校本文提出的方法一方面不需要反复的差分计算，大大准间隔的预测，说明了该方法与以往方法相比具有更好的减少了计算量

7、；另一方面，吸取分项预测的思想，但不刻意效果。追求对趋势项、循环项和随机项的精确划分，一定程度上也1组合预测思想减小了计算量，更重要的是使得该方法更具通用性。该方大多数情况下，仪器的校准误差为如下形式的随机序法的原理见图1。列J，即该方案的基本原理是：通过对前k个数据x(k)，k=1，=m。+s十．(1)⋯，Ⅳ的监测，利用线性趋势模型得到下一时刻的预测值收稿日期：2010-01-1962传感器与微系统第29卷根据结构风险最小化原理，综合考虑函数复杂度和拟合误差，回归问题可以表示为约束优化问题(w；÷，．，fw+C砉S．t．Y=()+6

8、+e，i=1，⋯，Z．(8)图1组合预测流程为了求解上述优化问题，把约束优化问题变成无约束Fig1Flowchartofcombinedforecast优化问题，建立Lagrange函数(Ⅳ+1)。由于线性趋势模型对时间