油液监测数据的人工神经网络及支持向量机预测方法分析

被引：10

作者：

闫辉 ^{[1
]}

贺石中 ^{[2
]}

童小利 ^{[1
]}

任勇 ^{[1
]}

机构：

[1] 广东工业大学机电工程学院

[2] 广州机械科学研究院设备润滑磨损状态监测中心

来源：

润滑与密封 | 2005年 / 06期

关键词：

油液监测; 神经网络; 支持向量机; 预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

作为集中参数预报方法,人工神经网络和支持向量机对于参数变化不大的系统具有广泛的适用性。本文对其在油液监测领域进行趋势预测时进行了系统的分析,内容包括:神经网络的选择、预测方案的设计、预测策略的选择及与支持向量机的比较。

引用

页码：117 / 119+126 +126

页数：4

共 5 条

[1] 基于BP和Elman神经网络的福建省汛期旱涝预测模型 [J].

王艳姣 ;

邓自旺 ;

王耀庭 ;

宋德众 .

南京气象学院学报, 2004, (06) :776-783

[2] 广义回归神经网络在煤灰熔点预测中的应用 [J].

周昊 ;

郑立刚 ;

樊建人 ;

岑可法 .

浙江大学学报(工学版), 2004, (11) :90-93

[3] 基于神经网络的油品质量预测 [J].

王轶卿 ;

赵英凯 .

控制工程, 2004, (05) :403-405+448

[4] 基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真 [J].

阎威武 ;

常俊林 ;

邵惠鹤 .

上海交通大学学报, 2004, (04) :524-526+532

[5] 支持向量机理论与基于规划的神经网络学习算法 [J].

张铃 .

计算机学报, 2001, (02) :113-118

← 1 →