动力装置运行状态预测的分形和支持向量回归模型（2008年）

简介：
本文提出了一种结合分形理论与支持向量回归的方法，用于预测动力装置的运行状态，旨在提高预测精度和可靠性。发表于2008年。 本段落分析了动力装置运行状态的特点以及预测需求，并基于分形理论和支持向量回归方法建立了相应的趋势预测模型。该模型以振动烈度作为描述设备状态的关键特征数据，构建时间序列并通过相空间重构技术处理这些数据。依据最小嵌入维数原则确定支持向量机的输入节点数量后，运用支持向量回归算法进行状态趋势预测。 通过应用案例研究和实验对比分析发现，所提出的模型在单步预测时平均相对误差为1.7881%，而在30步预测中的平均相对误差则为3.3983%。这些结果显示该模型能够有效满足动力装置运行状态下趋势预测的需求，并且具有较高的准确性和实用性。