针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐...针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐优化算法(red fox optimization,RFO)的寻优精度,重构其全局搜索公式,并融合精英反向学习策略。采用基准测试函数对IRFO算法进行仿真实验,实验表明,IRFO算法比RFO算法、粒子群算法、灰狼优化算法寻优能力更强,综合性能更优。基于船舶备件历史数据,建立IRFO-SVR船舶备件预测模型,通过对比其他模型的预测结果,表明IRFO-SVR的预测效果更佳。展开更多
直流电源蓄电池组在运行过程中会产生大量的数据,这些数据具有时间序列长、维度高、非线性等特点。如何有效处理和分析这些庞大而复杂的数据并提取出有价值的信息,是容量预测面临的一个重要挑战。基于此,提出改进支持向量机下直流电源...直流电源蓄电池组在运行过程中会产生大量的数据,这些数据具有时间序列长、维度高、非线性等特点。如何有效处理和分析这些庞大而复杂的数据并提取出有价值的信息,是容量预测面临的一个重要挑战。基于此,提出改进支持向量机下直流电源蓄电池组容量预测方法。综合考虑直流电源蓄电池组放电深度、剩余电量(State Of Charge,SOC)变化量、平均充电电流和充电时间,采集直流电源蓄电池组运行参数。同时,引入模拟退火算法精确选取支持向量机参数,结合遗传算法构建基于改进支持向量机的直流电源蓄电池组容量预测模型。实验结果表明,研究方法能够显著提升直流电源蓄电池组容量预测的精度和收敛性能,确保预测结果的准确性。展开更多
文摘针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐优化算法(red fox optimization,RFO)的寻优精度,重构其全局搜索公式,并融合精英反向学习策略。采用基准测试函数对IRFO算法进行仿真实验,实验表明,IRFO算法比RFO算法、粒子群算法、灰狼优化算法寻优能力更强,综合性能更优。基于船舶备件历史数据,建立IRFO-SVR船舶备件预测模型,通过对比其他模型的预测结果,表明IRFO-SVR的预测效果更佳。
文摘直流电源蓄电池组在运行过程中会产生大量的数据,这些数据具有时间序列长、维度高、非线性等特点。如何有效处理和分析这些庞大而复杂的数据并提取出有价值的信息,是容量预测面临的一个重要挑战。基于此,提出改进支持向量机下直流电源蓄电池组容量预测方法。综合考虑直流电源蓄电池组放电深度、剩余电量(State Of Charge,SOC)变化量、平均充电电流和充电时间,采集直流电源蓄电池组运行参数。同时,引入模拟退火算法精确选取支持向量机参数,结合遗传算法构建基于改进支持向量机的直流电源蓄电池组容量预测模型。实验结果表明,研究方法能够显著提升直流电源蓄电池组容量预测的精度和收敛性能,确保预测结果的准确性。
