高级搜索

用于混沌时间序列预测的组合核函数最小二乘支持向量机

,  , 

downloadPDF

上一篇

下一篇

田中大, 高宪文, 石彤. 2014: 用于混沌时间序列预测的组合核函数最小二乘支持向量机, 物理学报, null(16): 160508. doi: 10.7498/aps.63.160508
引用本文: 田中大, 高宪文, 石彤. 2014: 用于混沌时间序列预测的组合核函数最小二乘支持向量机, 物理学报, null(16): 160508. doi: 10.7498/aps.63.160508
shu
Tian Zhong-Da, Gao Xian-Wen, Shi Tong. 2014: Combination kernel function least squares supp ort vector machine for chaotic time series prediction, Acta Physica Sinica, null(16): 160508. doi: 10.7498/aps.63.160508
Citation: Tian Zhong-Da, Gao Xian-Wen, Shi Tong. 2014: Combination kernel function least squares supp ort vector machine for chaotic time series prediction, Acta Physica Sinica, null(16): 160508. doi: 10.7498/aps.63.160508
shu

用于混沌时间序列预测的组合核函数最小二乘支持向量机

  • 沈阳工业大学信息科学与工程学院,沈阳,110870

  • 东北大学信息科学与工程学院,沈阳,110819

  • 辽宁林业职业技术学院人文社会科学系,沈阳,110101

Combination kernel function least squares supp ort vector machine for chaotic time series prediction

  • 摘要: 针对混沌时间序列的预测问题，考虑到单一核函数的最小二乘支持向量机无法明显提高预测精度，提出了一种组合核函数的最小二乘支持向量机预测模型，模型中采用多项式函数与径向基函数组合构建核函数。同时，还对遗传算法进行了改进，使之具有更快的收敛速度和更高的精度，改进的遗传算法适用于解决预测模型中的参数优化问题。通过典型的Lorenz时间序列、Mackey-Glass时间序列、太阳黑子数时间序列以及具有混沌特性的网络流量时间序列对该模型进行了验证。仿真结果表明所提出的模型是有效的。
    Abstract: Considering the problem that least squares support vector machine prediction model with single kernel function cannot significantly improve the prediction accuracy of chaotic time series, a combination kernel function least squares support vector machine prediction model is proposed. The model uses a polynomial function and radial basis function to construct the kernel function of least squares support vector machine. An improved genetic algorithm with better convergence speed and precision is proposed for parameter optimization of prediction model. The simulation experimental results of Lorenz, Mackey-Glass, Sunspot-Runoff in the Yellow River and chaotic network traffic time series demonstrate the effectiveness and characteristics of the proposed model.
  • 加载中
  • 加载中
计量
  • 文章访问数:  600
  • HTML全文浏览数:  127
  • PDF下载数:  0
  • 施引文献:  0
出版历程

用于混沌时间序列预测的组合核函数最小二乘支持向量机

  • 沈阳工业大学信息科学与工程学院,沈阳,110870
  • 东北大学信息科学与工程学院,沈阳,110819
  • 辽宁林业职业技术学院人文社会科学系,沈阳,110101

摘要: 针对混沌时间序列的预测问题，考虑到单一核函数的最小二乘支持向量机无法明显提高预测精度，提出了一种组合核函数的最小二乘支持向量机预测模型，模型中采用多项式函数与径向基函数组合构建核函数。同时，还对遗传算法进行了改进，使之具有更快的收敛速度和更高的精度，改进的遗传算法适用于解决预测模型中的参数优化问题。通过典型的Lorenz时间序列、Mackey-Glass时间序列、太阳黑子数时间序列以及具有混沌特性的网络流量时间序列对该模型进行了验证。仿真结果表明所提出的模型是有效的。

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回