作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的时间序列分析方法如统计和神经网络并不适用于复杂的非线性系统.为此,引入了支持向量回归(SVR)算法用以解决复杂时间序列的预测问题,在Matlab6.5环境下编程实现SVR算法,对汽轮机振动数据进行拟合和预测,并与神经网络方法进行比较.为了降低计算的复杂度,在SVR的基础上,采用光滑化算法,对汽轮机振动时间序列进行预测分析.仿真结果表明,光滑支持向量回归(SSVR)在预测性能方面明显优于神经网络.与SVR相比,SSVR具有更好的收敛速度和精度,适于进行复杂动态系统的时间序列分析.
推荐文章
基于多项式光滑的支持向量回归机
支持向量机
光滑化方法
多项式光滑函数
拟牛顿法
多项式光滑孪生支持向量回归机
孪生支持向量回归机
多项式
光滑
New ton-Armijo算法
切线圆弧光滑支持向量回归机收敛性研究
支持向量回归机
切线圆弧光滑函数
加号函数
收敛性
光滑因子
汽轮机异常振动的分析和治理
火电厂
汽轮机
异常振动
排除
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 基于光滑支持向量回归的汽轮机振动分析
来源期刊 电力系统及其自动化学报 学科 工学
关键词 机器学习 时间序列分析 支持向量回归 汽轮机状态监测 光滑化方法
年,卷(期) 2008,(2) 所属期刊栏目 学术论文
研究方向 页码范围 65-68,77
页数 5页 分类号 TP181
字数 3275字 语种 中文
DOI 10.3969/j.issn.1003-8930.2008.02.011
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 张超 华北电力大学机械工程系暨电站设备状态监测与控制教育部重点实验室 55 191 8.0 12.0
2 韩璞 华北电力大学控制科学与工程学院 272 4579 35.0 54.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (188)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(9)
  • 参考文献(0)
  • 二级参考文献(9)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2004(6)
  • 参考文献(2)
  • 二级参考文献(4)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
研究主题发展历程
节点文献
机器学习
时间序列分析
支持向量回归
汽轮机状态监测
光滑化方法
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
电力系统及其自动化学报
月刊
1003-8930
12-1251/TM
大16开
天津市南开区天津大学电气与自动化工程学院
1989
chi
出版文献量(篇)
3958
总下载数(次)
6
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导