动态贝叶斯最小二乘支持向量机

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.