基于油液光谱LSSVR-AR模型的发动机故障预测

针对传统油液光谱数据预测模型精度有限的不足,提出了一种基于最小二乘支持向量回归(LSSVR)与AR模型相结合的非平稳时间序列建模方法(LSSVR-AR),并应用于某型履带车辆发动机油液光谱数据及故障的预测。首先对非平稳时间序列进行最小二乘支持向量回归,得到非平稳时间序列的趋势项及剔除趋势项后的随机项;然后对随机项建立AR模型并与趋势项的LSSVR模型组合,得到非平稳时间序列模型;最后用所建模型对油液光谱数据及发动机故障进行预测。用所提建模方法对Fe、Cu、Pb、Si光谱数据预测的平均绝对百分比误差分别为1.987%、2.889%、2.343%、6.860%,明显低于其他模型。实例证明,所提模型能对发动机故障进行准确预测。     

基于海量数据分析的人体中药潜在过敏性估计

在医学领域研究中药对人体过敏准确判断问题.由于,中药对人体过敏的影响是一个较为漫长的过程,不同中药对不同人体的过敏性影响也不同.针对中药过敏信息存在各种干扰,关于建立不同类型的过敏数据联系,剔除无关数据干扰,传统建模很难.提出利用自回归支持向量机的人体对中药潜在过敏性估计方法.根据过敏数据主成份分析相关理论,将人体对中药过敏的初始变量进行标准化处理,计算相应的协方差矩阵,删除所有的可能的过敏判断干扰冗余数据,使得到的结果作为大数据分析的样本数据.用自回归模型和支持向量基模型进行融合,建立自回归支持向量基模型,再把过敏样本数据输入到模型中,实现人体中药潜在过敏性估计.实验结果表明,利用改进算法进行人体对中药潜在过敏性分析,能够提高分析的准确性.     

基于AR模型和谐波小波的扭振固有频率提取

提出用谱估计的方法分析利用激光多普勒扭振测量仪获取的扭振信号。首次采用 AR模型和谐波小波分解相结合处理低信噪比的扭振信号。首先介绍了 AR模型对信号消噪、重构和谐波小波分解的原理 ,然后利用一组模拟信号来验证该方法的实用性。最后用来处理从实验台上获得的扭振信号 ,提取出了该转子实验台的扭振固有频率 ,与利用传递矩阵法计算的理论结果比较吻合。     

局域波自回归谱及其在柴油机故障诊断中的应用研究

论述了信号局域波分解理论和方法，并结合时间序列分析，提出了适合于柴油机表面振动非平稳时变信号分析的新方法——局域波自回归谱(LW-AR)法。在柴油机的故障诊断中，该方法能够表达出非平稳信号的模糊频带和瞬时频率双重信息，为解决柴油机故障诊断的一些难题提出了新的思路，并通过诊断实例给予了验证。     

城市化与消费需求相互拉动的效应分析

从定量的角度,采用向量自回归模型,运用脉冲响应函数对我国城市化和全国平均消费水平进行了动态性研究,揭示了两者内在的相互促进方式.阐述了合理加快城市化建设对扩大消费水平起到决定性作用,平均消费需求的提高又反作用于城市化建设,两者相互拉动.通过脉冲响应函数分析,得出两者相互影响的过程.     

基于小波变换和AR-LSSVM的非平稳时间序列预测

提出一种基于二进正交小波变换和AR-LSSVM方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时同序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用最小二乘支持向量机进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.研究结果表明,该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.