排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
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
2.
3.
粮食产量预测的支持向量机模型研究 总被引:12,自引:1,他引:11
粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。 相似文献
4.
基于人工神经网络的长株潭城市土地集约利用评价 总被引:3,自引:0,他引:3
以长株潭作为研究对象,通过人工神经网络技术,从时间和空间的视角对城市土地集约利用进行评价研究,得到了长株潭城市土地集约利用的级别,对比相应的研究成果,证明其评价结果的客观、合理与科学性,进而又对长株潭城市城市土地集约利用评价结果进行了分析,提出了今后长株潭城市土地利用的方向。 相似文献
1