二元信息挖掘多模型融合异常弹着靶速度预测

摘要：

针对靶场试验中异常弹丸着靶速度无法准确测试的情况,为了提高异常弹丸着靶速度的预测精度,从弹丸着靶前后的雷达瀑布图中提取出RGB图像信息,由弹丸着靶前后的径向速度中挖掘出关键点的数字信息,实现对异常弹着靶速度的预测.首先把图像信息和数字信息等二元信息分别作为特征向量,对应的着靶速度实测值作为目标向量,利用训练数据分别建立支持向量回归机模型,挖掘着靶速度中的非线性特征,把测试数据带入所建模型预测出对应的着靶速度.同时利用训练数据建立GM(1,1)灰色模型,挖掘着靶速度中的线性特征并对着靶速度进行预测.其次将三个模型对训练数据的拟合值构建为特征向量,对应的着靶速度实测值作为目标向量,建立遗传算法优化LSSVM模型.最后将三个模型对测试数据的预测值代入建立好的遗传算法优化LSSVM模型中,得到了该模型预测出的着靶速度.实验结果表明,对比支持向量回归机、多元线性回归和随机森林,遗传算法优化LSSVM预测精度更高,误差远小于 1‰,可以作为异常弹着靶速度的预测模型.

关键词：着靶速度、图像信息、数字信息、二元信息、遗传算法优化、异常弹

所属期刊栏目：35

分类号：TJ38(火炮)

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：102-110