基于ARIMA-SVM模型的翅片管蒸发器结霜性能预测

作者：黄彬彬; 谷波; 任能

来源：上海交通大学学报, 2009, (10): 1622-1626+1631.

DOI：10.16183/j.cnki.jsjtu.2009.10.023

• 翅片管蒸发器
• 蒸发器结霜
• 求和自回归移动平均
• 支持向量机
• 混合预测模型
• 转向点 finned tube evaporator
• evaporator frosting
• autoregressive integrated moving average(ARIMA)
• support vector machine(SVM)
• hybrid prediction model
• turning point

针对翅片管蒸发器结霜过程混杂着复杂的线性和非线性特征且测试数据受噪声干扰大,使用单一的模型无法对其性能进行预测的难题,建立了基于求和自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)和支持向量机(Support Vector Machine,SVM)的翅片管蒸发器结霜性能组合预测模型.利用实验数据对模型进行了验证和评估,并与单一ARIMA模型和SVM模型做了对比分析.结果表明,基于ARIMA-SVM的组合预测模型能兼顾结霜过程的线性和非线性特征,具有良好的预测性能,并能够较精确地预测到翅片管蒸发器性能参数的转向点.

• 单位
  上海交通大学; 江森自控楼宇设备科技(无锡）有限公司