一种改进的SVR方法预测陀螺漂移误差系数  

An improved SVR to prediction of the drift error coefficients of gyroscope

作　　者：焦巍[1] 程伟民[1] 王悦勇[1] 刘忠仕[1] 

机构地区：[1]第二炮兵装备研究院,北京100085

出　　处：《战术导弹控制技术》2013年第1期33-37,共5页

摘　　要：应用支持向量回归算法预测小样本问题，可以取得较高的预测精度，但是支持向量回归算法本身的参数选取缺乏科学方法，一般通过交叉验证确定。应用粒子群优化算法对支持向量回归参数进行优化选取，并以某型陀螺某项漂移误差系数的历史数据为例，进行了预测计算。结果表明，经过优化选择参数的支持向量回归算法，能够给出很好的预测结果，且训练样本的预测值和实际值之间达到高度拟合。The higher precision of predictive problem could be achieved by Support Vector Regression（SVR） in small sam-pie state, but the problem of parameters selecting is an insurmountable difficulty. Usually cross-validation is adopted to confirm parameters of SVR. Particle Swarm Optimization （PSO） is proposed to optimize the parameters of SVR in the pa-per. An improved SVR is used to predict a certain drift error coefficient of a certain gyroscope. The simulation indicates that the method presented in this paper could provide higher precision results, and the fitting degree between prediction val-ues and real values is perfect.

关 键 词：支持向量机 支持向量回归 粒子群优化算法 漂移误差系数 预测 

分 类 号：V448[航空宇航科学与技术—飞行器设计]