论文部分内容阅读
针对航材消耗预测影响因素多,结合航材消耗特点,研究粗糙集(Rough set,RS)与支持向量机(Support vector machine,SVM)相互融合的航材消耗预测问题.通过RS不完备信息系统的属性约简剔除航材消耗信息系统中冗余的定量因素,在属性重要性基础上将7个影响因素约简为3个影响因素,保留了该系统的核心知识.引入粒子群算法(Particle swarm optimization,PSO)优化SVM模型,寻优得到的参数组合,建立RS-PSO-SVM航材消耗预测模型.实例分析表明,RS-PSO-SVM模型的预测准确度较好,相比较于PSO-SVM、RS-BP(Back propagation)预测性能更佳.