KPCA-GA-SVM在ATP车载设备故障率预测中的应用

摘要：

文章针对ATP车载设备故障率预测,提出了一种基于核主成分分析(KPCA)、 遗传算法(GA)及支持向量机(SVM)组合的预测方法.首先,KPCA对数据进行预处理,在特征空间上提取有效非线性主元,在此基础上,利用GA优化后的SVM建立ATP车载设备故障率模型.为验证KPCA-GA-SVM方法的有效性,将其应用于ATP车载设备故障率预测中,在同等条件下,与单一的GA-SVM及SVM预测方法进行比较.实验结果表明,KPCA-GA-SVM组合方法具有较高的预测精度及较强的泛化能力.

关键词：ATP、故障率、核主成分析、遗传算法、支持向量机、建模、预测

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：16-19