典型文献
基于集成学习的航空发动机排气温度预测
文献摘要：
准确预测排气温度对预知航空发动机未来的工作状态至关重要.然而,传统航空发动机排气温度预测模型存在预测精度有限、对时间序列数据的信息利用率不足等问题.提出了一种多模型集成的航空发动机排气温度预测方法,被集成的子模型包括差分整合移动平均自回归模型、一次指数平滑模型和门控循环单元.对所有子模型的预测序列进行加权集成处理,提出了一种在历史发动机性能参数数据上学习最优权重系数的方法,避免了传统优化算法依赖于初始点的选取且其适用性局限于可微函数等问题.在Cessna-172R型飞机发动机排气温度预测问题中相较子模型准确性更高.
文献关键词：
集成学习;排气温度;神经网络;航空发动机
中图分类号：
作者姓名：
易文川;王兴;王翔;唐庆如
作者机构：
中国民用航空飞行学院,四川广汉618000
文献出处：
引用格式：
[1]易文川;王兴;王翔;唐庆如-.基于集成学习的航空发动机排气温度预测)[J].航空计算技术,2022(05):87-91
A类：
Cessna,172R
B类：
集成学习,航空发动机,排气温度预测,准确预测,预知,工作状态,温度预测模型,时间序列数据,信息利用,多模型集成,温度预测方法,子模型,差分整合移动平均自回归模型,指数平滑模型,门控循环单元,预测序列,加权集成,集成处理,发动机性能参数,数数,最优权重,权重系数,算法依赖,初始点,可微,型飞机,飞机发动机
AB值：
0.29632
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
