基于AdaBoost的集成支持向量机预测技术仿真

本文结合遗传算法参数优化方法，提出了基于AdaBoost集成支持向量机（SupportVectorMachine或SVM）算法，建立了基于AdaBoost集成SVM预测模型。通过Sinc函数仿真数据，分析了基于AdaBoost的集成支持向量机的预测性能。结果表明，基于Ada～Boost集成预测模型的预测相对平均误差达到1．31％，而SVM预测相对平均误差为279％，提升幅度达到53％，说明集成SVM预测模型具有很高的预测精度。通过对Sinc函数加入不同含量的噪声，发现与改进前的集成SVM算法相比，本文提出的算法具有更强的抗干扰能力。应用该算法，对轴承疲劳寿命实验中轴承振动信号特征量趋势进行预测，结果表明其14步预测的相对平均误差为027％，预测结果良好。