摘要: 随着我国民航事业的不断发展,机场噪声问题日益严重。针对机场噪声时间序列预测问题,在分析了噪声数据特点的基础上,提出了一种基于GM-LSSVR的噪声序列预测模型,即将机场噪声时间序列进行分解,并分别建立趋势项的GM(1,1)模型和剩余项的LSSVR模型,用于机场噪声预测值的计算。在某机场实测数据中的应用表明,该方法的准确度明显优于其他预测方法。
[1] 张树京,齐立心.时间序列分析简明教程[M].北京:北方交通大学大学出版社,2003 [2] Vapnik V N.The nature of statistical learning theory[M].New York:Springer- Verlag,1995 [3] 陈磊,张土乔.基于最小二乘支持向量机的时用水量预测模型[J].哈尔滨工业大学学报,2006,8(9):1528-1529 [4] 王宇红,黄德先,高东杰,等.基于LS-SVM的非线性预测控制技术[J].控制与决策,2004,9(4):384 [5] 王汝言,唐季超,吴大鹏,等.WSN中基于GM-LSSVM的数据融合方法[J].计算机工程与设计,2012,3(9):3372 [6] 陈卫民,陈志刚.基于PSR-LSSVM的网络流量预测[J].计算机科学,2012,39(7):92-95 [7] 陈伟利,范玉刚,吴建德,等.基于LSSVM/PID复合逆系统的预测控制[J].计算机科学,2012,9(8):239-241 [8] 易丹辉.数据分析与 Eviews应用[M].北京:中国统计出版社,2002:46-92 [9] 黄显峰,邵东国,阳书敏.降雨时间序列分解预测模型及应用[J].中国农村水利水电,2007(9):6-7 [10] 钱光兴,崔东文.盘龙河流域水文气象要素变化趋势分析研究[J].广东水利水电,2011,4(4):33 [11] 刘思峰,谢乃明.灰色系统理论及其应用(第4版)[M].北京:科学出版社,2008 [12] 耿秋燕,梁毅刚.基于灰色自适应粒子群LSSVM的铁路货运量预测[J].西南交通大学学报,2012,47(1):145-146 [13] 张淑宁,王福利,尤富强,等.基于鲁邦学习的最小二乘支持向量机及其应用[J].控制与决策,2010,5(8):1170 |
No related articles found! |
|