EMD—SVM组合模型带钢张力预测中的应用

• 作者: 刘毅敏 郝琼
• 来源期刊: 计算机测量与控制
• 关键词: 带钢张力 经验模态分解 支持向量机 回归分析 预测
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 算法、设计与应用
• 页码范围: 1279-1281,1284
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文

摘要

根据带钢张力时间序列非平稳、非线性特征,提出一种基于经验模态分解(EMD)和支持向量机(SVM)组合模型的预测方法;首先,应用EMD方法将原始张力序列分解成若干不同频率的平稳分量;其次,根据各分量特征,选用合适的核函数和最佳参数建立不同的SVM回归分析模型,对各分量测试集进行SVM预测;最后将各分量预测序列组合成原始序列的预测值;将EMD-SVM模型用于带钢张力预测,并与ARMA和SVM模型预测结果比较;EMD-SVM模型预测相关度可高达99.93％,而ARMA和SVM模型预测的相关度分别只有88.82％和79.31％,仿真结果表明EMD-SVM模型有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘毅敏	武汉科技大学信息科学与工程学院	26	118	6.0	9.0
2	郝琼	武汉科技大学信息科学与工程学院	2	5	1.0	2.0