论文部分内容阅读
提出了一种支持向量机（SVM）理论的设备异常状态时间预测方法。该方法采用结构风险最小化原则（SRM），与采用经验风险最小化原则（ERM）的传统神经网络方法相比，具有更好的泛化能力和精度，减少了对经验的依赖。通过和BP神经网络进行比较试验，证明了基于支持向量机的预测时间与实际到达危险极限值的时间是相符合的，这种方法精度高，明显优于BP神经网络的预测。最后说明准确预测极限值的时间可使设备远离异常状态，保障设备运行的安全性和经济性。