最小二乘支持向量机在混沌时间序列中的应用  

Study on Time Series Forecasting Based on Least Squares Support Vector Machine

作　　者：尹华[1] 吴虹[1] 

机构地区：[1]赣南师范学院数学与计算机科学学院,江西赣州341000

出　　处：《计算机仿真》2011年第2期225-227,291,共4页Computer Simulation

摘　　要：针对混沌时间序列存在噪声和不稳定性问题,混沌时间序列预测是当前的一个热点问题。根据当前预测方法预测精度低的难题,提出一种优化的混沌时间序列预测方法(GA_LSSVM)。GA_LSSVM首先采用相空间重构对时间序列样本进行重构,采用遗传算法对最小二乘支持向量机参数进行优化,得到混沌时间序列的最优预测模型,最后以经典时间序列Lorenz数据对最优模型进行仿真测试和分析。实验结果表明,GA_LSSVM比神经网络的预测精度高。GA_LSSVM方法是一种可行的、有效的混沌时间序列预测算法,在混沌时间序列具有广泛的应用前景,可为应用提供科学依据。Optimization of the embedding dimension,delay time and support vector machines parameters is a key problem in the prediction of chaotic time series based on phase space reconstruction and support vector machines.In this paper,an algorithm for optimizing support vector machine time series forecasting model parameters is proposed.Firstly,time series parameter is decided by C-C and G-P algorithm.Secondly,the parameters of LSSVM is optimized by genetic algorithm.The result shows that the proposed algorithm is accurate and the computational complexity is low.It is a good parameters optimizing algorithm.

关 键 词：支持向量机 时间序列 遗传算法 优化 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]