登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于支持向量机的混沌时序局域预测
  • 摘要

    研究混沌时间序列预测问题.混沌时间序列同时具有确定性与随机性,传统预测方法精度低,为了提高预测精度,提出基于支持向量机的局域预测法.使用基于演化跟踪的邻近相点选取方法,代替欧几里德距离法,能够有效辨别并剔除伪邻近点.采用基于Hannan-Quinn定阶准则的邻点个数确定法,解决传统方法凭主观经验或多次试验确定邻点数量的不足.最后以Lorenz混沌时间序列为例进行实验分析,结果表明支持向量机方法在预测精度、速率、可预测步数等多个指标上都比传统方法具有更好的性能.

  • 作者

    高俊杰  王豪  徐文艳  GAO Jun-jie  WANG Hao  XU Wen-yan 

  • 作者单位

    上海交通大学电子信息与电气工程学院,上海,200240/上海师范大学生命与环境科学学院,上海,200234

  • 刊期

    2013年11期 ISTIC PKU

  • 关键词

    混沌时间序列  支持向量机  局域预测  相空间重构  Chaotic time series  Support vector machine (SVM)  Local prediction  Phase space recontruction 

参考文献
  • [1] 陆振波,蔡志明,姜可宇. 基于稀疏Volterra滤波器混沌时间序列自适应预测. 系统工程与电子技术, 2007,9
  • [2] 白建东,叶德谦,李春兴. 混沌时间序列的Volterra级数多步预测研究. 计算机仿真, 2008,6
  • [3] 孟庆芳. 非线性动力系统时间序列分析方法及其应用研究. 山东大学, 2008
  • [4] V Vapnik. The nature of statistical learning theory. Germany:springer, 1999
  • [5] H T Lin;C J Lin. A study on sigmoid kernels for SVM and the training of non-PSD kernels by SMO-type methods. Neural Computation, 2003
  • [6] J D Farmer;J J Sidorowich. Predicting chaotic time series. Physical Review Letters, 1987,08
  • [7] 韩敏. 混沌时间序列预测理论与方法. 北京:中国水利水电出版社, 2007
  • [8] H Akaike. A new look at the statistical model identification. IEEE Transactions on Automatic Control, 1974,06
  • [9] H Akaike. A Bayesian analysis of the m-inimum AIC procedure. Annals of the Institute of Statistical Mathematics, 1978,01
  • [10] E J Hannah;B G Quinn. The determinati-on of the order of an autoregression. Journal of the Royal Statistical Society,Series B:Statistical Methodology, 1979
  • [11] 吕金虎;陆君安;陈士华. 混沌时间序列分析及其应用. 武汉:武汉大学出版社, 2002
查看更多︾
相似文献 查看更多>>
54.90.204.233