科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现船舶设备的预测性维护，提高轮机人员工作效率，提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理，建立相应的ARIMA模型；引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型；将ARIMA模型的预测值与Elman残差预测模型的预测值相加，得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证，将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析，结果表明，Elman-ARIMA组合模型具有较好的预测性能。
- 单位
