灰色SVR模型在珩磨尺寸预测中的应用

发布时间：2021-10-29 15:48

　　针对灰色（1,1）模型（Grey model（1,1）, GM（1,1））对非指数型数据序列预测精度低的问题,提出了一种灰色支持向量回归（Grey support vector regression, GSVR）预测模型。该模型一方面通过参数累积估计、预测公式改进和数据等维递补,对灰色模型进行建模优化,另一方面通过差分变异和混沌局部搜索改进的粒子群算法,对支持向量回归机进行参数优化,再将二者相结合进行预测。对柱塞套内圆珩磨尺寸的预测结果表明,该模型的预测均方误差为0.3913,平均绝对百分比误差为4.90%,其预测精度较GM（1,1）模型显著提高。 

【文章来源】：机械研究与应用. 2019,32(02)

【文章页数】：6 页

【文章目录】：
0 引 言
1 ECIGM (1, 1) 模型
    1.1 IGM (1, 1) 模型
    1.2 ECIGM (1, 1) 模型预测步骤
2 SVRIPSO模型
    2.1 SVR模型
    2.2 IPSO算法优化SVR模型参数
        2.2.1 混沌序列
        2.2.2 PSO算法
        2.2.3 IPSO算法实施步骤
3 GSVR模型
4 实例验证
    4.1 珩磨尺寸数据
    4.2 运行参数设置
    4.3 珩磨尺寸预报
        4.3.1 ECIGM (1, 1) 珩磨尺寸预报
        4.3.2 GSVR珩磨尺寸预报
    4.4 预测结果分析
5 结 论



本文编号：3464940