基于支持向量机的大型石化动力设备状态预测技术研究.pdfVIP

andShock Vol25No．s 第25卷第S期 振动与冲击JournalofVibrafion 2006 基于支持向量机的大型石化动力设备状态预测技术研究 徐小力1陈涛1温后珍1阎楚良2 (1．北京机械工业学院机电系统测控北京市重点实验室，北京100085) (2冲国农业机械化科学研究院，北京100083) 摘要大型石化动力设备运行状态具有明显的非线性、非平稳特征，为保障设各的可靠运行及实现科学维护，研究了基 于SVM(支持向量机)的状态趋势预测技术，提出了一种新的基于SVM的状态趋势组合预测模型。比较了SVM预测模型 和传统的AR预测模型，研究结果表明SVM模型适用于中长期预测，预测精度较高。将该项预测技术应用于大型石化动 力设备的状态预测，取得了较理想的预测效果。 关键词：大型石化动力设各。支持向量机，状态预测．组合预测模型 中圈分类号{TE924．01文献标识码：A 0 引言 )；=＆-q’)融，玉)+6，≠；斛h疗(2) Vector Machines，支持向量机)是在 SVM(Support 得到第n+l点的预测为： 20世纪90年代由Vapnik等人提出的一种基于统计学 习理论的机器学习算法，从结构风险最小化原则为机器 (3) Y。=∑(q—z)丘@，x‘n-m+1)+6 学习提供了新的方向。SVM在非线性时间序列预测领 域具有较强的推广性和应用前景，能够在很大程度上解 其中，磁和∞‘是拉格朗日乘子，6是阀值， 决非线性问题。大型石化动力设备具有明显的非线性、 K(x，，X，)是核函数，一般地，第P步的预测模型为： 非平稳运行状态特征，为保障设各的可靠运行及实现科 学维护，本文研究了基于$VM进行状态趋势预测的技 X+n-m+1={‘。+l，毛一。+2，…，矗) 术，并提出了一种新的基于sVM的状态趋势组合预测 (4) 模型。 Y。=∑(a，一口?)岩(z．，z：…，)+6 1 基于SVM的预测模型和误差评价准则 其中五呻=‰，…，X‘n+p，毫训}，气表示 第栉个数据的实际值，：表示第糟个数据的预测值。 对于时间序列“，为，玛，…，蔚，i=珐…，月，纯}是预测 的目标值，将K{，轴^，··‰}作为相关量，建立输入 为了评价SVM模型的适用性和优化训练模型的嵌 入维数，采用最终预报误差(FPE)准则。 毛‰舶，毛，．-；¨与输出咒2纯}之间的映射关 FPE(t)=尝F： (5) 系：』r—氓，m为嵌入维数，得到用于向量机学习的样 其中， 本： 一h 《=耐)2志互旺一酗一西风，硝一砰 II II 采用下列参数来评价预测精度： rh～