动态贝叶斯最小二乘支持向量机

摘要：

为了对涡扇发动机的运行参数变化进行实时高精度预测，提出一种基于动态贝叶斯最小二乘支持向量机(LS-SVM)的时间序列预测算法。该算法将贝叶斯证据框架理论用于推断LS-SVM的初始模型参数；然后，利用样本增减迭代学习算法实现LS-SVM的参数动态调整。对某型涡扇发动机的摩擦力矩时间序列进行动态预测，并与动态LS-SVM模型的预测结果进行比较。结果显示，动态贝叶斯LS-SVM具有较好的预测精度。

关键词：动态预测、时间序列预测、最小二乘支持向量机、贝叶斯证据框架

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金项目61101004,60874117；高等学校学科创新引智计划项目B07009

在线出版日期：2014-12-18（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：2297-2300