论文研究基于自适应变异PSO的ARMA模型参数寻优及预测应用.pdf

为提高ARMA模型在时间序列预测中的精度，提出一种基于改进粒子群算法（AMPSO）的模型参数智能寻优估计方法。AMPSO算法以粒子熵的判别为依据，在寻优过程中对算法的关键参数进行多次自适应变异，以提高其跳出局部、面向全局寻优的能力。模型参数寻优过程基于ARMA（2n，2n-1）模型架构依次跳阶，每阶的参数初估后运用AMPSO算法展开寻优，适应度判定标准为当前模型残差方差最小。针对齿轮箱轴承的输出扭矩进行预测，结果表明，AMPSO算法在收敛性和寻优速度方面效果良好；参数寻优方法可显著提高参数预测精度，具有良好的工程应用价值。