基于改进支持向量机的TVARMA模型辨识  

A TVARMA Model Identification Method Based on Modified LS-SVM

作　　者：王跃钢[1] 邓卫强[1] 单斌[1] 

机构地区：[1]第二炮兵工程学院304实验室,西安710025

出　　处：《传感技术学报》2011年第10期1445-1449,共5页Chinese Journal of Sensors and Actuators

基　　金：国家安全重大基础研究项目(973)(613550203)

摘　　要：提出了一种改进的最小二乘支持向量机并将之应用于时变自回归滑动平均模型的辨识。与传统的最小二乘支持向量机相比,通过同时引入结构风险矩阵Q和经验风险权重因子vi,既降低了数据存储空间,又兼具较好的灵活性和适应性,并成功地应用于TVARMA模型的参数辨识过程。实验结果表明方法的有效性。An improved Least Squares Support Vector Machine（LS-SVM）was proposed and applied to identify the Time-Varying Auto-Regressive Moving-Average（TVARMA）model.Compared with traditional LS-SVM,the Structural Risk Matrix Q and the Empirical Risk weights vi were combined,which reduced the data space and had satisfying flexibility and adaptability.The method was successfully applied to identify the TVARMA model parameters.The experimental results verified its feasibility.

关 键 词：模型辨识 时变自回归滑动平均模型 结构风险矩阵 经验风险权重因子 改进的最小二乘支持向量机 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]