舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

电子装备故障预测方法研究

文章介绍了电子装备系统故障预测的概念,以及故障预测的流程,并对预测的方法进行了研究。其中展开对灰色系统理论进行研究并建立了故障预测的灰色模型方法;以及建立了最小二乘支持向量机(LS-SVM)回归预测算法和反向传播神经网络预测方法。三种预测方法为后续电子装备的故障预测建立了理论基础。     

支持向量机回归算法在船舶磁场推算中的研究

船舶航行中会遇到复杂的外界环境,其中磁场环境的变化对航行状况具有重要的影响。而船舶内部大量的电力系统会产生复杂的磁场分布。在建立的船舶磁场分布模型中,传统的基于磁场检测后的逆向拟合方法精确度不高。因此可以根据实验室的测量数据建立基于支持向量机回归算法的船舶磁场模型。在该模型中,预测的磁场分布具有更高的精度和复杂度,并且可以对磁场的动态变化进行预测,建立船舶磁场的时变模型。     

船舶动力定位系统的在线模型预测控制

针对船舶动力定位问题提出了基于线性核函数在线支持向量回归的模型预测控制方案.在线支持向量回归算法的引入可以通过在线调整,确保预测模型的精确性.基于线性核函数的模型预测控制能够方便、迅速地求取控制律的解析表达式,保证控制律的最优性以及算法的快速性.仿真结果证明了该控制方案的有效性.     

基于AFSA优化的支持向量机柴油机性能预测模型

电控高压共轨技术的采用使得船用柴油机性能及排放具有了更大的优化空间，但同时柴油机控制参数增多使得柴油机性能的预测变得更为复杂。为了建立精确的柴油机性能预测模型，利用回归支持向量机，通过对实验数据的学习以获得预测模型。支持向量机的预测精度会因其参数的选择出现一定的差异，所以需要对支持向量机参数选择进行研究和优化。以某型船用高速大功率电控高压共轨柴油机为研究对象，建立支持向量机预测模型，分析其预测性能受参数选择的影响，并利用人工鱼群算法对其进行优化。结果表明，基于人工鱼群算法优化的回归支持向量机能够建立精度较高的柴油机性能预测模型，且人工鱼群算法具有很好的寻优性能。     

支持向量机在船舶电力负荷预测中的研究

在现代的船舶设备中,电力系统已成为船舶的主要动力来源,其性能的优劣对船舶的航运安全和成本有着非常重要的影响。随着各种电气设备被广泛应用于船舶控制和通信导航系统中,船舶的电力供给已经变得至关重要,因此对电力系统负荷的预测已经成为人们研究的重点。本文结合支持向量机回归算法,设计了用于船舶电力系统的负荷预测机制,通过建立船舶电力预测模型和最小二乘支持向量机模型,实现了对船舶电力系统的负荷预测和性能优化。     

基于SVM的大型集装箱船上层建筑振动预测方法

基于支持向量机,采用RBF核函数,以某集装箱船上层建筑舱室振动为训练样本,建立了集装箱船上层建筑舱室振动的非线性回归模型,对该船上层建筑部分舱室振动进行预测。通过对上层建筑振动特征的分析,构造转换系数,提高了模型的通用性,并应用此模型对另一艘集装箱船上层建筑舱室振动进行预测。预测结果表明:应用SVM非线性回归模型对大型集装箱船上层建筑舱室振动进行预测是可行的,预测效果较为理想。     

基于支持向量机的可靠性增长费用建模与分析

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法，具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型，然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明，与一般的回归分析相比，基于支持向量机的回归模型具有很好的预测精度。     

一种新的支持向量回归算法及其在集装箱吞吐量预测中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地对应解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。文章提出了一种新的基于单参数的Lagrangian支持向量回归算法,并将该算法应用在集装箱吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在集装箱吞吐量预测中的有效性和实用性。     

支持向量机回归方法在船型要素建模中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法，是一种处理非线性分类和非线性回归的有效方法。采用支持向量机回归算法对船型主要要素进行建模，并与常规的回归建模方法进行比较。同时应用实例进行论证，估算结果证明了这种支持向量机回归算法在船型要素建模预测中的有效性和实用性。