基于自适应变异PSO的ARMA模型参数寻优及预测应用研究.pdfVIP

下载本文档

4
0
约2.08万字
约 4页
2017-11-03 发布于上海
举报
版权申诉

基于自适应变异PSO的ARMA模型参数寻优及预测应用研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第32卷第4期计算机应用研究 V01．32No．4 2015年4月 Researchof Apr．2015 Application Computers 基于自适应变异PSO的ARMA模型参数寻优及预测应用木李怀俊1，谢小鹏2，李军1 (1．广东交通职业技术学院车辆安全工程技术中心，广州510650；2．华南理工大学汽车摩擦学与故障诊断研究所，广州510640) 摘要：为提高ARMA模型在时间序列预测中的精度，提出一种基于改进粒子群算法(AMPSO)的模型参数智能寻优估计方法。AMPSO算法以粒子熵的判别为依据，在寻优过程中对算法的关键参数进行多次自适应变异，以提高其跳出局部、面向全局寻优的能力。模型参数寻优过程基于ARMA(2n，2n一1)模型架构依次跳阶，每阶的参数初估后运用AMPSO算法展开寻优，适应度判定标准为-3前模型残差方差最小。针对齿轮箱轴承的输出扭矩进行预测，结果表明，AMPSO算法在收敛性和寻优速度方面效果良好；参数寻优方法可显著提高参数预测精度，具有良好的工程应用价值。关键词：粒子熵；PSO；ARMA模型；参数寻优；残差方差文献标志码：A 中图分类号：TPl81；0329 文章编号：1001—3695(2015)04—1004-03 doi：10．3969／j．issn．1001-3695．2015．04．010 Parameters and of optimizationpredictionapplication ARMAmodelbasedonPSOwith mutation adaptive LI Junl Huai-junl，XIEXiao．pen92，LI Communication Tribolo· (1．Vehicle 510650，China；2．Automobile SafetyEngineeringTechnologyCenter，GuangdongPolytechnic，Guangzhou China Institute，South 510640，China) gY＆FaultDiagnosis UniversityofTechnology，Guangzhou the with intime Abstract：To series，this improvepredictionprecisionauto-regressivemovingaverage(ARMA)modelpaper ARMA estimationmethod an basedon swarm presented par