|
|||||
|
|
| 近似非齐次指数序列预测的新融合模型构建 | |
| 作者姓名： | 周德强 |
| 作者单位： | 长江大学 信息与数学学院,湖北荆州,434023 |
| 基金项目： | 湖北省自然科学基金资助项目(2013CFA053)，长江大学数学与应用数学研究所开放基金项目(KF1506，KF1508)，长江大学基础学科研究发展基金资助项目(2014JCY002) |
| 摘 要： | DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型.该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性.实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度. |
| 关 键 词： | DDGM(1,1) LS-SVM 时间序列预测 机器学习 近似非齐次指数序列 |
| 本文献已被 万方数据 等数据库收录！ | |