-
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。
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。
-
-
[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.
计量
- 文章访问数: 365
- HTML全文浏览量: 97
- PDF下载量: 875