多变量时间序列的重构与预测方法  

作　　者：陈涛[1] 

机构地区：[1]陕西理工学院数学系,陕西汉中723000

出　　处：《统计与决策》2009年第14期31-33,共3页Statistics & Decision

基　　金：国家自然科学基金资助项目(70472072)

摘　　要：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。

关 键 词：多变量时间序列 相空间重构 主成分分析法(PCA) 支持向量机(SVM) 预测 

分 类 号：F181[经济管理—世界经济]