原文服务方: 工业仪表与自动化装置       
摘要:
针对目前动态测量误差序列预测方法的局限性,提出了动态测量误差序列的支持向量机非线性组合预测方法,以进行误差修正,提高动态测量精度.该方法首先利用支持向量机和小波神经网络对动态测量误差序列分别进行预测,然后再运用支持向量机对单项预测结果进行非线性组合.理论分析和预测实例表明:该方法的预测精度明显高于传统的单一预测方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很好的应用价值.
推荐文章
基于小波支持向量机的非线性组合预测方法研究
小波
支持向量机
核函数
非线性组合预测
基于支持向量机的非线性预测控制技术
支持向量机
预测控制
非线性建模
非线性控制
城市用水量非线性组合预测方法研究
算法
城市用水量
非线性组合预测
小波网络
基于灰色模型的节水灌溉面积非线性组合预测
GM(1,1)模型
ARMA
神经网络
组合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的动态测量误差非线性组合预测方法
来源期刊 工业仪表与自动化装置 学科
关键词 动态测量误差 非线性组合预测 支持向量机 小波神经网络
年,卷(期) 2007,(5) 所属期刊栏目 经验交流
研究方向 页码范围 50-53
页数 4页 分类号 TH711
字数 语种 中文
DOI 10.3969/j.issn.1000-0682.2007.05.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李世平 62 395 11.0 17.0
2 张弦 22 319 12.0 17.0
3 孙浚清 8 110 6.0 8.0
4 唐超 9 111 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (52)
参考文献  (8)
节点文献
引证文献  (9)
同被引文献  (19)
二级引证文献  (17)
1988(2)
  • 参考文献(1)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(0)
  • 二级参考文献(4)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(5)
  • 参考文献(0)
  • 二级参考文献(5)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(2)
  • 引证文献(0)
  • 二级引证文献(2)
2011(2)
  • 引证文献(0)
  • 二级引证文献(2)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(2)
  • 引证文献(1)
  • 二级引证文献(1)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
动态测量误差
非线性组合预测
支持向量机
小波神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工业仪表与自动化装置
双月刊
1000-0682
61-1121/TH
大16开
1971-01-01
chi
出版文献量(篇)
3676
总下载数(次)
0
总被引数(次)
18688
论文1v1指导