KPCAＧGAＧSVM 在 ATP车载设备故障率预测中的应用

文章针对ATP车载设备故障率预测,提出了一种基于核主成分分析(KPCA)、遗传算法(GA)及支持向量机(SVM)组合的预测方法。首先,KPCA对数据进行预处理,在特征空间上提取有效非线性主元,在此基础上,利用GA优化后的SVM建立ATP车载设备故障率模型。为验证KPCA-GA-SVM方法的有效性,将其应用于ATP车载设备故障率预测中,在同等条件下,与单一的GA-SVM及SVM预测方法进行比较。实验结果表明,KPCA-GASVM组合方法具有较高的预测精度及较强的泛化能力。