论文部分内容阅读
提出将混沌-支持向量机模型方法应用于加工误差数据预测。利用互信息法和曹氏方法进行相空间重构，并运用小数据量法计算最大Lyapunov指数，对加工误差时间序列进行混沌识别。通过最小二乘支持向量机对历史样本的学习建立预测模型，并将其预测结果与RBF神经网络预测结果进行仿真对比。结果表明，在较少的加工误差数据条件下，该模型能够有效地描述和预测加工误差的变化，具有较高的预测精度。