發(fā)布時間：2021-04-25 10:15

　　為了對軍用飛機發(fā)動機渦輪葉片進行維修性預測,論文首次提出多變量分析與隨機森林算法結(jié)合的預測方法。首先,利用多變量的方法進行歸一化及變量選取,將待預測時刻最近一段時間的預測值與實際值構(gòu)成融合矩陣,并與增量學習結(jié)合進行二次學習。然后,通過多變量與維修頻率相關(guān)性分析,對結(jié)果進行排序篩選出特征值;接下來,構(gòu)建融合矩陣,將訓練數(shù)據(jù)集和測試數(shù)據(jù)集輸入到融合矩陣決策模型中進行預測,得到預測結(jié)果。最后,實驗結(jié)果顯示:幾種不同方案的平均絕對百分誤差（MPEG）均大幅下降。結(jié)果表明,論文方法能夠有效提高預測精度,對于保障飛行安全、降低葉片損傷和報廢率,從而降低維護成本有著重大意義。 

【文章來源】：艦船電子工程. 2020,40(05)

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 數(shù)據(jù)整理及預測模型建立
    2.1 數(shù)據(jù)整理
    2.2 建立預測模型
    2.3 關(guān)聯(lián)分析法進行多變量選取
        2.3.1 多變量的歸一化及變量選取
        2.3.2 多變量與維修頻率相關(guān)性分析
    2.4 氣象特征值選取
3 實驗研究
    3.1 環(huán)境搭建
    3.2 建立維修預測模型
    3.3 預測性能研究
4 結(jié)語


【參考文獻】：
期刊論文
[1]多算法多模型與在線第二次學習結(jié)合的短期電力負荷預測方法[J]. 周末,金敏.  計算機應用. 2017(11)
[2]實現(xiàn)影響因素多源異構(gòu)融合的短期負荷預測支持向量機算法[J]. 吳倩紅,高軍,侯廣松,韓蓓,汪可友,李國杰.  電力系統(tǒng)自動化. 2016(15)
[3]基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的負荷預測[J]. 胡時雨,羅滇生,陽霜,陽經(jīng)偉.  計算機應用. 2015(02)
[4]基于關(guān)聯(lián)分析的城市用電負荷研究[J]. 肖峻,張晶,朱濤,史常凱,張海平.  電力系統(tǒng)自動化. 2007(17)

碩士論文
[1]基于大數(shù)據(jù)平臺應用的供電量分析及預測方法研究[D]. 王澤洋.華北電力大學 2017



本文編號：3159209