论文部分内容阅读
为了提高传感器输出时间序列的实时预测精度,分析了时间序列可以预测的内在机理,认为噪声是影响预测精度的主要因素,提出了小波滤波与神经网络相结合的组合预测法,研究了最小二乘支持向量机的预测法,并选用了典型的过程变量信号,将两种方法进行了比较。仿真实验结果表明,小波滤波与神经网络相结合的组合预测法能够在消除测量噪声对预测精度影响的同时,有效地提高神经网络的拟合效果从而获得了较高的预测精度,验证了噪声是影响预测精度的主要因素,为提高传感器输出时间序列的预测精度提供了新思路,而最小二乘支持向量机的预测法则有较