首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 495 毫秒
1.
为了获得更加理想的网络流量预测结果,针对极端学习机人工设置隐层节点数目的不足,提出一种增量优化极端学习机的网络流量预测模型。首先对极端学习机工作原理和不足进行分析,然后采用增量优化方式提高极端学习机的性能,最后采用具体网络流量时间序列对增量优化极端学习机的性能进行仿真试验。结果表明,相对于其它网络流量预测模型,增量优化极端学习机不仅加快了网络流量建模速度,可以适合于网络流量的长期和在线预测,而且提高了网络流量的预测精度。  相似文献   

2.
激光陀螺随机误差建模方法研究   总被引:1,自引:0,他引:1  
侯青剑  缪栋  彭云辉 《电光与控制》2006,13(3):78-80,84
随机误差是陀螺的主要误差。为了减小随机误差对激光陀螺精度的影响。介绍了依据激光陀螺漂移数据建立时间序列模型的方法并进行了建模实验,并在此基础上采用卡尔曼滤波算法对激光陀螺的漂移数据进行了处理,取得了较好的效果。结果表明,此方法能有效地抑制激光陀螺的随机误差,提高激光陀螺的精度。  相似文献   

3.
激光陀螺是一种具有广阔应用前景的新型惯性器件.为了提高激光陀螺的性能,有效地补偿激光陀螺的随机误差,提出了最小二乘支持向量机预测激光陀螺随机误差系数的新方法.采用遗传算法进行支持向量机参数的自动选取,提出了基于遗传优化的最小二乘支持向量机回归预测算法,并对激光陀螺随机误差系数进行了预测实验.实验结果表明,基于遗传算法的最小二乘支持向量机的预测精度更高.另外,研究了回归步长对预测效果的影响.预测结果表明,不同的回归步长对预测结果有较大的影响.  相似文献   

4.
基于灰色时序模型的激光陀螺漂移数据滤波   总被引:2,自引:0,他引:2  
为了有效抑制机抖激光陀螺(RLG)输出数据中的随机漂移,提出了采用新陈代谢GM(1,1)灰色模型与时间序列模型融合的灰色时序建模新方法.依据所建模型对激光陀螺的漂移数据进行Kalman滤波,并利用Allan方差法对建模滤波前后的陀螺数据进行分析对比.结果表明:该方法抑制激光陀螺随机漂移的效果优于传统的时序建模后Kalm...  相似文献   

5.
《现代电子技术》2017,(15):97-100
针对当前运动员成绩预测精度低的难题,提出捕鱼算法优化极限学习机的运动员成绩预测模型。收集运动员成绩的时间序列,进行聚类分析建立学习样本,采用极限学习机对学习样本进行训练,并采用捕鱼算法对极限学习进行优化,建立运动员成绩预测模型,最后采用具体数据对运动员成绩预测性能进行测试。测试结果表明,该模型可以准确拟合运动员成绩的变化特点,获得了较高精度的运动员成绩预测结果,而且预测结果要显著优于其他模型,具有较高的实际应用价值。  相似文献   

6.
为了提高小样本的预测精度,提出了一种基于量子行为粒子群优化与数据融合算法的灰色融合预测模型。首先从两个方面改进了GM(1,1)模型,对原始序列进行了幂函数变换,并采用量子行为粒子群优化算法实现了参数的优化。然后提出了多次建模的策略,利用原始序列的不同分量分别建立GM(1,1)改进模型进行预测,将各次预测值进行融合得到最终结果。最后用该模型进行软件故障预测,结果表明其相对误差在3%以内,适用于平滑性较差和高增长的序列预测。  相似文献   

7.
为了提高极端降水量的预测精度,将小波分析、支持向量机以及遗传算法相结合,建立了一种极端降水预测模型。首先利用小波变换对极端降水数据进行分解,分离出序列中的低频信息和高频信息;然后对各子序列分别用遗传算法优化的支持向量机进行训练和预测;最后将各子序列的预测结果叠加,得到极端降水量的最终预测结果。实验表明,该组合模型能准确揭示极端降水的变化特性,具有更高的预测精度,从而为极端降水量的预测提供了一种有效方法。  相似文献   

8.
《现代电子技术》2017,(3):117-120
体育成绩的影响因素众多,具有时变性和随机性变化特点,为了提高体育成绩的预测精度,提出极限学习机修正误差的体育成绩预测模型。首先采用灰色模型对体育成绩进行预测,然后用极限学习机对灰色模型的预测误差进行修正,最后采用具体体育成绩数据对模型性能进行测试,测试结果表明,该模型能够提高体育成绩的预测精度,可提供有价值的参考意见。  相似文献   

9.
为了提高网络流量的预测精度,提出一种组合核函数高斯过程的网络流量预测模型。首先采用混沌理论构建网络流量的学习样本,然后将网络流量的训练样本输入组合函数高斯回归模型进行训练,建立网络流量预测模型,最后采用多个网络流量数据进行单步和多步预测对比测试。结果表明,相对于对比模型,本文模型准确描述了复杂多变的网络流量变化趋势,提高了网络流量的预测精度。  相似文献   

10.
为了对陀螺漂移趋势进行更有效的预测,提出一种基于小波分析的新型GM(1,1)-AR时间序列预测算法。该算法通过运用小波分解算法将陀螺漂移数据中的趋势项和随机项进行分离,然后分别运用GM(1,1)模型和AR时间序列预测模型对趋势项和随机项进行预测,最后用小波重构算法得出最终的预测值。给出了一种算法及具体步骤,最后用某型导弹陀螺漂移数据进行仿真实验,以检验这种算法的有效性和可行性,结果表明这种预测算法应用于陀螺漂移趋势预测是可行的。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号