论文部分内容阅读
传统的时间序列分析方法如统计和神经网络并不适用于复杂的非线性系统。为此，引入了支持向量回归（SVR）算法用以解决复杂时间序列的预测问题，在Matlab6．5环境下编程实现SVR算法，对汽轮机振动数据进行拟合和预测，并与神经网络方法进行比较。为了降低计算的复杂度，在SVR的基础上，采用光滑化算法，对汽轮机振动时间序列进行预测分析。仿真结果表明，光滑支持向量回归（SSVR）在预测性能方面明显优于神经网络。与SVR相比，SSVR具有更好的收敛速度和精度，适于进行复杂动态系统的时间序列分析。