SVM异常数据识别的比例风险预测模型

作者：孙磊; 冯添乐; 张星辉

来源：火力与指挥控制, 2012, (10): 63-66.

• 比例风险模型
• 支持向量机
• 剩余寿命预测
• 异常识别 proportional hazards model(PHM),Support Vector Machine(SVM),Remaining Useful Life(RUL) forecasting,outlier detection

剩余寿命预测在设备维修管理中扮演着重要的角色,准确的剩余寿命预测对制定维修策略起着至关重要的作用,从而可以有效避免设备故障的发生。提出一种基于支持向量机(SVM)异常数据识别的比例风险模型(PHM)用于剩余寿命的预测,该模式利用支持向量机和比例风险模型分别实现异常状态数据的识别和剩余寿命的预测。案例研究表明,SVM-PHM模型较PHM模型具有更好的预测精度。

• 单位
  中国人民解放军陆军工程大学