基于历史误差模型和局域临域校正的预测融合算法

被引：2

作者：

王邑

肖明清

方甲永

机构：

[1] 空军工程大学自动测试系统实验室

来源：

仪器仪表学报 | 2011年 / 32卷 / 10期

关键词：

模糊神经网络; 组合体; 组合体聚合; 信息融合; 局域临域校正;

D O I：

10.19650/j.cnki.cjsi.2011.10.019

中图分类号：

TP274 [数据处理、数据处理系统];

学科分类号：

0804 ; 080401 ; 080402 ; 081002 ; 0835 ;

摘要：

针对预测模型的精度随机性较大,一些数据存在残缺和不确定性,需要融合多模型的组合体来减少预测误差的问题,提出了使用改进模糊RBF神经网络(FRNN)的误差模型的"局域临域校正"的组合体预测融合方法:通过预处理的FRNN误差模型来表征每个预测模型的实时性能,在预测时,利用误差模型,使用基于权值和偏好的融合作为预测模型组合体的聚合方法,将多个预测模型在线融合并给出最终预测结果。该方法将较大的权重赋予局部性能较优的预测模型,同时消除预测偏好的影响,并在预测前预处理所需误差模型。应用结果表明,构建的预测模型其预测精度相比单一预测模型有明显优势,且具有良好的在线预测实时性,具有推广和应用的价值。

引用

页码：2283 / 2289

页数：7

共 14 条

[1] 电子产品动态损伤最优估计与寿命预测 [J].

方甲永 ;

肖明清 ;

周越文 ;

王邑 .

仪器仪表学报, 2011, 32 (04) :807-812

[2] 一种改进的时间序列分段趋势预测法 [J].

吴少智 ;

吴跃 ;

徐鹏 .

电子测量与仪器学报, 2010, 24 (10) :953-957

[3] 一种分段在线支持向量回归算法 [J].

刘大同 ;

彭宇 ;

彭喜元 ;

于江 ;

陈强 .

仪器仪表学报, 2010, 31 (08) :1732-1737

[4] 故障预测与健康管理技术综述 [J].

彭宇 ;

刘大同 ;

彭喜元 .

电子测量与仪器学报, 2010, 24 (01) :1-9

[5] 基于模糊树模型的混沌时间序列预测 [J].

毛剑琴 ;

姚健 ;

丁海山 .

物理学报, 2009, 58 (04) :2220-2230

[6] 基于LSSVM-HMM的发射机故障预测研究 [J].

许丽佳 ;

龙兵 ;

王厚军 .

仪器仪表学报, 2008, (01) :21-26

[7]

Is Combining Classifiers with Stacking Better than Selecting the Best One?[J] . Machine Learning . 2004 (3)

[8]

Linear Programming Boosting via Column Generation[J] . Ayhan Demiriz,Kristin P. Bennett,John Shawe-Taylor.Machine Learning . 2002 (1)

[9] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

[10]

An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting, and Randomization[J] . Thomas G. Dietterich.Machine Learning . 2000 (2)

← 1 2 →