船舶工业论文_基于信息粒化与支持向量回归机的

文章目录

1 内河船舶能耗主要影响因素

2 数据预处理

3 组合预测模型

3.1 SVR模型

    1)在高维特征空间建立线性回归函数。

    2)定义ε线性不敏感损失函数。

    3)引入松弛变量ξi、ξ*i,求解式(3)中w、b。

    4)引入拉格朗日乘数αi, α*i,进行多次求解与对偶，求得线性拟合函数为

    5)带入核函数，求解回归函数。

3.2 模糊信息粒化

3.3 算法实现流程

4 实例验证

4.1 研究对象

4.2 PCA处理

4.3 多个预测模型对比

4.4 模糊信息粒化SVR模型

4.5 油耗预测变化趋势结果验证

5 结论

文章摘要:为有效预测内河在航船舶耗油情况,构建基于模糊信息粒化（FIG）与支持向量回归机（SVR）的组合预测模型,通过对清洗后的油耗数据进行窗口划分和模糊化处理,得到模糊粒子,利用SVR模型分别对其预测,获得2 h内的油耗波动范围与变化趋势,实例数据分析表明,SVR模型测试集的决定系数达到97.654%,相对误差不超过4%,优于BP模型和ELM模型的预测结果;FIG_SVR组合模型中模糊粒子提供的预测范围符合油耗的真实波动范围,能有效预测船舶在未来一段时间内的油耗态势。

文章关键词:

论文分类号:U676.3;TP181

文章来源：《模糊系统与数学》 网址: http://www.mhxtysxzz.cn/qikandaodu/2021/1217/719.html