为了降低地铁机电系统的维修成本、提高地铁站台门设备状态的预测精度，该文提出了一种基于蚁狮算法优化支持向量机的站台门设备状态预测方法。该方法采用ALO算法对SVM进行优化，建立ALOSVM站台门设备状态预测模型，采用站台门实际故障数据进行仿真分析，并与BP神经网络、SVM和ELM的预测效果进行对比，该文提出的方法预测结果的正确率为96.25%，预测精度比其他3种方法高，验证了该文提出的方法的正确性和实用性。
科研之友
微信
新浪微博
Facebook
分享链接
