[发明专利]基于组合预测方法的组合Kriging模型构建方法

摘要

一种基于组合预测方法的组合Kriging模型构建方法，先使用7种不同类型相关函数分别构建7个单一相关函数Kriging近似模型，然后以平均绝对相对误差最小为优化目标，构建每个单一相关函数Kriging模型的权重值的优化模型，获得最优权重值，最后利用最优权重值和基于7种不同类型相关函数构建的7个单一相关函数Kriging近似模型，构建组合Kriging模型，本发明提出的组合Kriging模型具有预测精度高、预测性能更加稳定的特点，在基于计算机数值仿真计算的工程优化设计领域具有较高的实用价值。

主权项

一种基于组合预测方法的组合Kriging模型构建方法，其特征在于，包括以下步骤：1)设已知样本点设计变量X＝{x₁,x₂,…,x_n}，其对应的响应量为Y＝{y(x₁),y(x₂),…,y(x_n)}；2)构建单一相关函数Kriging模型：以样本点数据(X,Y)为对象，分别基于7个不同相关函数构建7个单一Kriging模型7个不同相关函数为三次函数(Cubic)、指数函数(Exp)、幂函数(Expg)、高斯函数(Gaussian)、线性函数(Linear)、球函数(Spherical)和样条函数(Spline)；3)确定各单一相关函数Kriging模型的最优权重值ω_i：对于单一相关函数Kriging模型要求其对应的权重值具有如下特性：a)预测精度最高的单一相关函数Kriging模型权重值最大；b)所有权重值之和以平均绝对相对误差(Mean absolute percentage error,MAPE)最小为优化目标，构建权重值ω_i的优化模型，对7个权重值进行优化，获得权重值ω₁,ω₂,…,ω₇；4)构造组合Kriging模型：在获得7个最优权重值之后，基于组合预测方法的Kriging模型表述为