航材保障中存在著部分航材因?yàn)橄臄?shù)據(jù)樣本小變化大難以進(jìn)行有效航材消耗預(yù)測(cè)的問題。支持向量機(jī)對(duì)小樣本數(shù)據(jù)有很好的適應(yīng)能力。該模型常用于解決小樣本非線性回歸問題但參數(shù)優(yōu)化影響著預(yù)測(cè)結(jié)果合理性。人工免疫算法具有較好的數(shù)據(jù)優(yōu)化能力,采用人工免疫算法對(duì)基于支持向量機(jī)航材預(yù)測(cè)模型參數(shù)進(jìn)行優(yōu)化有效解決參數(shù)取值問題。通過實(shí)例證明采用人工免疫算法優(yōu)化支持向量機(jī)模型參數(shù)能夠?yàn)楹讲念A(yù)測(cè)提供合理有效的預(yù)測(cè)值。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖1人工免疫算法優(yōu)化基于支持向量機(jī)航材預(yù)測(cè)模型參數(shù)流程圖

總第311期人工免疫算法有較好的全局搜索能力，選用人工免疫算法進(jìn)行參數(shù)優(yōu)化在一定程度上能夠有效避免。人工免疫算法優(yōu)化基于支持向量機(jī)航材預(yù)測(cè)模型參數(shù)流程如圖1，具體步驟為1）確定抗原與抗體，抗體為C（C>0），σ（σ>0）參數(shù)，抗原為目標(biāo)函數(shù)。2）初始化參數(shù)在參數(shù)范圍內(nèi)隨機(jī)產(chǎn)生N個(gè)....

圖22006年某型航材預(yù)測(cè)結(jié)果0123456789101112月份20

82005.1035552004.533422004.11110922005.528452005.11232402004.653422004.1213002005.660432005.121789該型航材樣本時(shí)間跨度較短且數(shù)據(jù)樣本方差較大呈現(xiàn)隨機(jī)狀態(tài)，以該數(shù)據(jù)為學(xué)習(xí)樣本。該首先借....

本文編號(hào)：4052580