基于WD-LSSVM的监护信息预报研究.pdf

《基于WD-LSSVM的监护信息预报研究.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、第26卷第2期2013年3月机电产品开崖与钏新1)evelopment＆InnovationofMachinery＆ElectricalProductsV01．26。No．2Mar．．2013文章编号：1002—6673(2013)02—112—03基于WD—LSSVM的监护信息预报研究蒋贤海1，谢存禧2(1．广东水利电力职业技术学院机械工程系，广东广州501635；2．华南理工大学机械与汽车工程学院，广东广州510640)摘要：针对监护信息预报问题，提出了一种新的监护信息预报方法。采用小波分解和最小二乘支持向量机相结合的方法，该方法利用小波分解将原参数序

2、列分解为逼近信号和细节信号。采用LS—SVM算法，分别建立监护信息逼近信号和细节信号的预报模型，得到逼近信号和细节信号的监护信息预报值，然后将各部分预报值利用小波逆变换进而得到监护信息最终预报结果。最后对提出的方法进行了实验验证。关键词：监护信息；小波分解；最小二乘支持向量机；预报中图分类号：TP'23文献标识码：Adoi：10．3969／i．issn．1002—6673．2013．02．044StudyOilPredictionofMonitoringInformationBasedonWD-LSSVMslANGXian-Hail，XIECun-Xt：2

3、(1．GuangdongTechnicalCollegeofWaterResourcesandElectricEngineering,GuangzhouGuangdong510635，China；2．SchoolofMechanicalandAutomotiveEngineering,SouthChinaUniversityofTechnology(SCUT)，GuangzhouGuangdong510640，China)Abstract：AccordingtOtheforecastproblemofmonitoringinformation，themet

4、hodofwaveletdecompositionandLS—SVMisputforward．Physiologicalparameterisdecomposedintoapproximationsignalandthedetailsignalbymeansofthemethod,andtheforecastresultsareobtainedwithpredictionmodeloftheapproximationsignalandthedetailsignalwhichareestablishedrespectivelyusingLS—SVM，andt

5、henthefinalpredictionresultsofmonitoringinformationusinginversewavelettransform、Ⅳitlltheforecastresultsbefore．Finallytheproposedmethodisverifiedbyexperiment．Keywords：monitoringinformation；waveletdecomposition；LS—SVM；forecast0引言生理参数是一弱非平稳的时间序列．基于统计理论的预报方法虽然在数值预报中发挥了重要作用，但它们都是建立在线性相

6、关基础上的【“，在实际应用中存在一定的局限性。具有非线性能力的神经网络也取得较大进展[3,41，然后由于神经网络的过学习问题，所得到的值往往是局部最优，预报效果不够理想。随着计算机技术的发展和智能技术的进步，智能机器识别技能得到很好的发展。支持向量机(SVM)m是一种新的小样本机器学习方法，具有从海量信息中自动识别并提取关键信息，它借助于最优化方法来解决机器学习问题。已成为克服维数灾难和过学习等传统问题的有力手段，适用于处理本质上的非线性问题。针对生理信号预报问题，本章提出小波分解与最小二乘支持向量机(WD—LSSVM)的综合预报方法。利用小——修稿日期：

7、2012—12—13基金项目：粤港关键领域重点突破项目(20090101-1)作者简介：蒋贤海(1979-)，男，博士，讲师。主要从事智l能健康监护、机器人理论及其工程应用研究。112波分解将原参数序列分解为逼近信号和细节信号．然后采用LS—SVM算法，分别建立逼近信号和细节信号的预报模型，得到逼近信号和细节信号的预报值。最后将各部分预报值利用小波逆变换进而得到最终预报结果．并推广到生理参数时间序列的N步预报。可直接对N步预报值进行异常判断。无需等到N步实际值出现就可实现状态预报。1基于WD—LSSVM的监护信息预报方法本文研究的监护信息是典型的时间序列数

8、据。时间序列是按时间顺序产生和排列的．随时间变化且相互关联的观察数