基于动态集成算法的航空发动机气路参数预测方法及系统

    公开(公告)号:CN107886126A

    公开(公告)日:2018-04-06

    申请号:CN201711102389.0

    申请日:2017-11-10

    CPC classification number: G06K9/6256 G06K9/6271 G06K9/6276 G06N3/0481 G06N3/08

    Abstract: 本发明涉及一种基于动态集成算法的航空发动机气路参数预测方法及系统,其中方法包括:基于迭代算法对训练样本集进行学习得到基学习机,并使用基学习机对测试样本集进行预测,得到每个基学习机的预测结果;在所述训练样本集中选择测试样本的近邻样本,评估每个基学习机在近邻样本的局部性能动态确定每个基学习机的权值;基于所述每个基学习机的权值,利用加权核密度估计将每个基学习机的预测结果集成得到最终预测结果。本发明通过量化评估各学习机的局部性能,提出了动态加权核密度估计组合方法,可用于对航空发动机气路参数序列的预测任务中,不受离群值和样本不对称分布的影响,实验结果表明能够有效提高集成学习算法的预测精度。

    基于动态集成算法的航空发动机气路参数预测方法及系统

    公开(公告)号:CN107886126B

    公开(公告)日:2018-11-20

    申请号:CN201711102389.0

    申请日:2017-11-10

    Abstract: 本发明涉及一种基于动态集成算法的航空发动机气路参数预测方法及系统,其中方法包括:基于迭代算法对训练样本集进行学习得到基学习机,并使用基学习机对测试样本集进行预测,得到每个基学习机的预测结果;在所述训练样本集中选择测试样本的近邻样本,评估每个基学习机在近邻样本的局部性能动态确定每个基学习机的权值;基于所述每个基学习机的权值,利用加权核密度估计将每个基学习机的预测结果集成得到最终预测结果。本发明通过量化评估各学习机的局部性能,提出了动态加权核密度估计组合方法,可用于对航空发动机气路参数序列的预测任务中,不受离群值和样本不对称分布的影响,实验结果表明能够有效提高集成学习算法的预测精度。

Patent Agency Ranking