基于灰色支持向量机的大型集装箱船上层建筑舱室的噪声预测

基金项目: 装备维修改革项目

详细信息

Hilitary Representative Office,Bohai Shipping Heary Industry Co.Ltd.Huludao 125004,China;2.School of Shipbuilding Engineering,Harbin Engineering University,Harbin 150001 , China

基于灰色支持向量机的大型集装箱船上层建筑舱室的噪声预测孟凡明，采用知识共享署名4.0国际许可协议进行许可。

摘要:
以A集装箱船上层建筑舱室噪声实测值为训练样本，利用灰色预测中“累加生成”的优点对训练样本进行处理，使其更具规律性。选用ERBF核函数，建立集装箱船上层建筑舱室噪声的灰色支持向量机预测模型，应用此模型对B集装箱船上层建筑舱空的噪声进行了预测。最后，将此模型推广到了散装货船的舱室噪声预测中。预测结果表明，将灰色理论与支持向量机相结合，能更好地提高船舶上层建筑舱室噪声的预测精度。
- 灰色预测理论 /
- 支持向量机 /
- 累加生成 /
- 噪声预测
Abstract:
以A集装箱船上层建筑舱室噪声实测值为训练样本，利用灰色预测中“累加生成”的优点对训练样本进行处理，使其更具规律性。选用ERBF核函数，建立集装箱船上层建筑舱室噪声的灰色支持向量机预测模型，应用此模型对B集装箱船上层建筑舱空的噪声进行了预测。最后，将此模型推广到了散装货船的舱室噪声预测中。预测结果表明，将灰色理论与支持向量机相结合，能更好地提高船舶上层建筑舱室噪声的预测精度。
- grey forecasting method /
- support vector machine （SVM） /
- accumulation generation /
- noise prediction

[1]	赵尚辉. 船舶上层建筑结构噪声控制[J]. 船舶,1994(5):31-40.
[2]	尼基福罗夫阿斯著. 船体结构声学设计[M]. 谢信,王轲译. 北京:国防工业出版社, 1998.
[3]	邓聚龙.灰理论基础[M].武汉:华中科技大学出版社, 2002.
[4]	李国正译. 支持向量机导论[M]. 电子工业出版社, 2004. [5< 张维英,林焰. 基于支持向量机的集装箱船航次配箱量的预测方法[J]. 中国造船, 2006(6):101-107.
[5]	薛毅. 最优化原理与方法[M]. 北京工业大学出版社, 2004.
[6]	Vladimir Cherkassky, YunqianMa. Practical selection of SVM parameters and noise estimation for SVM regression[J]. Neural Networks, 2004(17):113-126.