| 基于支持向量机的故障过程趋势预测研究 |
| |
| 引用本文： | 马笑潇,黄席樾,柴毅.基于支持向量机的故障过程趋势预测研究[J].系统仿真学报,2002,14(11):1548-1551. |
| |
| 作者姓名： | 马笑潇 黄席樾 柴毅 |
| |
| 作者单位： | 重庆大学自动化学院,重庆,400044 |
| |
| 基金项目： | 国家教育部高等学校博士学科点专项科研基金资助项目(99061116) |
| |
| 摘 要： | 提出了运用SVM机器学习方法进行故障过程趋势预测的方法，并设计了一个实用的SVM回归算法对“Tennessee Eastman”工厂的实际数据进行仿真研究，结果表明，用SVM方法进行故障过程趋势预测，具有较强的抗噪能力，在样本量有限情况下，采用ε－不敏感损失函数得到的回归结果具有较高的实用价值，通过大量实验，给出了ε取值不同对估计结果的影响的一个具体实验结果，分析了ε取值对支持向量数目的控制作用。
|
| 关 键 词： | 支持向量机 故障过程 趋势预测 化工过程 反应器 ε－不敏感损失函数 仿真 |
| 文章编号： | 1004-731X(2002)11-1548-04 |
| 修稿时间： | 2002年1月12日 |
Fault Process Trend Prediction Based on Support Vector Machines |
| |
| MA Xiao-xiao,HUANG Xi-yue,CHAI Yi.Fault Process Trend Prediction Based on Support Vector Machines[J].Journal of System Simulation,2002,14(11):1548-1551. |
| |
| Authors: | MA Xiao-xiao HUANG Xi-yue CHAI Yi |
| |
| Abstract: | |
| |
| Keywords: | Support vector machines trend prediction e-insensitivity loss function |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
