嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

《嵌入维数自适应最小二乘支持向量机状态时间序列预测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第12期2010年12月航空学报ACTAAER()NAUTICAETASTRONAUTICASINICAV01．31NO．12Dec．2010文章编号：1000—6893(2010)12—2309—06嵌入维数自适应最小二乘支持向量机状态时间序列预测方法张弦，王宏力(第二炮兵工程学院自动控制T程系，陕西西安710025)ConditionTimeSeriesPredictionUsingLeastSquaresSupportVectorMachinewithAdaptiveEmbeddingDimensionZhang

2、Xian，WangHongli(DepartmentofAutomaticControlEngineering，TheSecondArtilleryEngineeringCollege，Xi’an710025，China)摘要：针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题，提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重要参数，以交叉验证误差为评价准则，利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数，同时通过矩阵变换原

3、理提高交叉验证过程的计算效率。并最终建立优化后的LSSVM预测模型。航窄发动机排气温度(EGT)预测实例表明，该方法可自适应选取适用于状态时间序列预测的最优嵌人维数且预测精度高，适用于航空发动机状态时间序列预测。关键词：最小二乘支持向量机；粒子群优化；交叉验证；航空发动机；状态时间序列预测中图分类号：V263．6文献标识码：AAbstract：Todealwiththedifficultyofselectinganappropriateembeddingdimensionforaeroengineconditiontimese

4、riesprediction，amethodbasedonleastsquaressupportvectormachine(LSSVM)withadaptiveem-beddingdimensionisproposed．Inthemethod，theembeddingdimensionisidentifiedasaparameterthataf—fectstheaccuracyoftheaeroengineconditiontimeseriesprediction；particleswarmoptimization(PSO)i

5、sap—pliedtooptimizethehyperparametersandembeddingdimensionoftheLSSVMpredictionmodel；cross-valida-tionisappliedtoevaluatetheperformanceoftheLSSVMpredictionmodelsandmatrixtransformisappliedtOtheLSSVMpredictionmodeltrainingtoacceleratethecross—validationevaluationproce

6、ss．Experimentsonanaeroengineexhaustgastemperature(EGT)predictiondemonstratesthatthemethodishighlyeffectiveinem-beddingdimensionselection．Incomparisonwithconventionalaeroengineconditiontimeseriespredictionmeth-ods，theLSSVMpredictionmodelwiththeoptimizedhyperparameter

7、sandembeddingdimensionhasbetterpredictionperformance．Keywords：leastsquaressupportvectormachine；particleswarmoptimization；cross—validation；aeroengine；conditiontimeseriesprediction航空发动机是影响飞机系统安全可靠运行的重要部件。通过预测可反映航空发动机性能状态的重要参数，以实现对航空发动机的状态监测，可增强对于航空发动机故障的早期发现能力，从而有效实施对

8、航空发动机的视情维修。发动机排气温度(EGT)是用于衡量航空发动机性能的重要气动热力性能参数，通过监测EGT时间序列可掌握航空发动机性能衰退情况。由于机器学习方法仅需对系统观测数据样本的学习，就可模拟其中蕴含的复杂行为规律并准确预测系统未知状态，因此已被成功应用于航空发动机状