作者：潘宇雄 任章 李清东动态预测时间序列预测最小二乘支持向量机贝叶斯证据框架
摘要：为了对涡扇发动机的运行参数变化进行实时高精度预测，提出一种基于动态贝叶斯最小二乘支持向量机（LS-SVM）的时间序列预测算法。该算法将贝叶斯证据框架理论用于推断LS-SVM的初始模型参数；然后，利用样本增减迭代学习算法实现LS-SVM的参数动态调整。对某型涡扇发动机的摩擦力矩时间序列进行动态预测，并与动态LS-SVM模型的预测结果进行比较。结果显示，动态贝叶斯LS-SVM具有较好的预测精度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
