基于遗传算法优化LSSVM的初速预测

作者：田珂; 王荣江; 郭丰

来源：火炮发射与控制学报, 2022, 43(05): 24-34.

DOI：10.19323/j.issn.1673-6524.2022.05.004

• 弹丸初速
• 数据缺失
• ARIMA模型
• GM(1,1)模型
• 支持向量回归机
• BP神经网络模型
• 遗传算法优化LSSVM
• 预测精度

利用两台初速雷达测试弹丸炮口初速的试验中，当一台雷达的数据出现缺失时，通过建模预测出缺失的数据成为一项必要的工作。预测初速主要采用GM(1,1)模型，但是该模型并不完全适合预测初速，所以预测精度不理想。通过深入分析两台雷达之间的关联性，选择把两台雷达的数据进行融合，同时根据弹丸初速自身的特征，选择建立遗传算法优化LSSVM对缺失的数据进行预测。实验验证时，选择ARIMA模型、GM(1,1)模型、支持向量回归机、BP神经网络作为对比模型，两次验证的结果表明，遗传算法优化LSSVM的预测精度最高，误差远小于1‰,达到了初速雷达测试弹丸初速的误差标准，是预测弹丸初速的最佳模型。

• 单位
  中国人民解放军63861部队