共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
5.
多变量时间序列的重构与预测方法 总被引:1,自引:0,他引:1
多变量时间序列包含有比单变量时间序列更丰富的动态信息,具有一定的信息完备性和确定性,但多变量时间序列同时也会带来一定的冗余信息和部分噪声.为了更好地反映多变量时间序列的动态特性,文章对多变量时间序列进行空间重构,并利用主成分分析法(PCA)对重构后的多变量时间序列进行处理,以减低特征空间维数;最后采用支持向量机建立预测模型.仿真实验表明,该预测模型具有较强的自适应能力和较好的预测效果. 相似文献
6.
7.
8.
混沌时间序列的支持向量机预测 总被引:2,自引:1,他引:1
文章以重构相空间理论为基础,探讨了混沌时间序列的支持向量机预测模型建模的思路、特点及关键参数的选取;利用饱和关联维数法进行相空间重构,并运用小数据量法计算最大Lyapunov指数,对时间序列进行混沌特性识别。实例表明,该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度。 相似文献
9.
10.
提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容,而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上,以国家水资源管理系统数据库中工业取用水监测数据为样本,利用小波变换模极大值模型提取工业取用水监测数据时频变化特征,并利用傅里叶函数对其残差序列进行修正,进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上,采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明:小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征,但是同时容易导致监测数据的信息损失,利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果;以小波变换模极大值特征序列为基础,通过相对误差控制可实现对监测数据奇异值的高效挖掘;对于挖掘出的奇异值重构填补问题,可选取混沌粒子群优化的最小二乘支持向量机模型,其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。 相似文献
11.
基于LS-MWSVM的股票价格预测 总被引:1,自引:1,他引:0
文章基于小波分解理论和支持向量机核函数的条件,提出了最小二乘M0det小波核的支持向量机(LS-MWSVM)算法.用该算法建模并对沪深300日收盘价进行预测,且与常用的RBF核的LSSVM模型及RBF神经网络模型的预测能力进行了比较.结果表明.LS-MWSVM的预测能力要好于其它两种模型.进一步得出,采用最小二乘支持向量机与小渡理论结合的组合模型对股市进行预测效果较好. 相似文献
12.
13.
基于文化算法的支持向量机组合预测模型 总被引:1,自引:0,他引:1
为提高预测精度,文章提出基于文化算法的支持向量机组合预测模型.以组合预测模型的误差平方和最小为优化准则,用文化算法对支持向量机参数进行优化,并建立支持向量机对单一模型的预测结果进行组合预测.算例结果表明,该模型综合了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强. 相似文献
14.
15.
折扣最小一乘法在建立回归预测模型中的应用 总被引:1,自引:0,他引:1
一、最小一乘法与折扣最小一乘法众所周知 ,误差平方和最小 (通常称为最小二乘法 )是最常用的最优拟合准则之一 ,它的理论相当完善 ,十分广泛地应用于建立各种预测模型 ,通常可获得满意的效果。但它也存在一些局限性 ,如果当数据中夹杂有异常数据时 ,由此得到的预测模型“失真”较大。鉴于最小二乘法的这些不足 ,人们引入了“稳健性”概念加以刻划 ,而“误差绝对值和最小”准则 (或称为最小一乘法 )能克服上述缺点 ,其稳健性比最小二乘法要强得多 ,具有不可替代的优越性。如在时间序列预测中 ,预测变量 y的变化主要依赖时间变量t ,对于给… 相似文献
16.
内容提要:中国股指期货的推出指日可待,交易者多了一种投资工具的同时也带来了新的风险。建立准确的金融时间序列预测模型是逐利及避险的方法之一,一直是学者专家研究的热点。本研究结合小波转换与支持向量回归,提出一个二阶段时间序列预测模型。先以离散小波框架将预测变量分解成不同尺度的多个子序列,揭示隐藏在预测变量内的信息,再以支持向量回归为工具,以这些子序列为预测变量建构SVR模型。本研究以日经225指数开盘价为预测目标,以期货开盘价为预测变量对模型进行实证研究,结果显示,该模型的预测绩效比单纯SVR模型及随机漫步模型好。未来可尝试以不同的基底函数作进一步研究。 相似文献
17.
18.
文章根据森林火灾的实际数据,选取适当的目标函数,利用最小二乘支持向量机(LS-SVM)建立模型,通过对LS-SVM中超参数的联合优化选择出最佳模型,并把用所选模型进行预测的结果与支持向量机(SVM)预测的结果进行比较,结果表明所建立的森林火灾预测模型具有较高的预测精度。 相似文献
19.
对时间序列预测常用的方法进行了比较,结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测;分析了支持向量机回归和时序相空间重构的基本原理;建立了支持向量机预测模型,结合武汉市的实际数据进行了实证分析,并和BP神经网络的预测结果进行比较,表明用支持向量机预测模型进行房地产单项指标预测精度更高。 相似文献
20.
本文基于B样条函数最小二乘法的非参数回归与时间序列方法相结合,建立了时间序列的预测模型。该方法有较高的预测精确度,可以描述复杂模型,并且用实例进行了分析。 相似文献