支持向量机在机械设备振动信号趋势预测中的应用

被引:26
作者
杨俊燕
张优云
赵荣珍
机构
[1] 西安交通大学轴承及润滑理论研究所
关键词
趋势预测; 支持向量机; 神经网络; 回归;
D O I
暂无
中图分类号
TH113.1 [机械振动学];
学科分类号
摘要
将支持向量机(SVMs)用于机械设备振动信号趋势预测中,研究了SVMs参数及核函数类型对SVMs预测能力的影响.试验显示,在短期预测中4种核函数有着基本相同的预测能力,而在长期预测中,径向基函数核和多项式核表现出了相对较高的预测能力,同线性核和神经网络核相比,它们的归一化均方误差约降低了20%.SVMs与向后传播神经网络、径向基函数网络和广义回归神经网络预测能力的对比表明,实现了结构风险最小化原理的SVMs具有更好的预测能力,在长期预测中,其归一化均方误差约降低了15%.
引用
收藏
页码:950 / 953
页数:4
相关论文
共 2 条
[1]   基于支持向量机的机械设备状态趋势预测研究 [J].
李凌均 ;
张周锁 ;
何正嘉 ;
不详 .
西安交通大学学报 , 2004, (03) :230-233+238
[2]  
统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,