基于Bayesian推断和LS-SVM的发动机在翼寿命预测模型

为解决发动机的寿命预测精度问题,该文将贝叶斯(Bayesian)推断应用于最小二乘支持向量机(LS-SVM)模型参数的选择,建立了发动机在翼寿命的非线性预测模型。分析了影响发动机在翼寿命的性能参数,建立了用于机器学习的预测模型训练集,构建了基于LS-SVM的发动机在翼寿命预测模型。采用Bayesian推断理论优化LS-SVM建模,获取最优建模参数。通过某型发动机在翼寿命数据集训练模型,对在翼寿命进行预测。与几种常用的算法相比较,该文模型预测精度能够提高4.58%至9.51%,较好地解决了小样本下的预测问题,具有良好的泛化能力和预测精度。