基于经验模式分解的时间序列预测方法研究  

Research on Prediction of Time Series Based on EMD

作　　者：杨玫[1] 郭天杰[1] 陈青华[1] 

机构地区：[1]海军航空工程学院,山东烟台264001

出　　处：《计算机技术与发展》2011年第7期25-28,共4页Computer Technology and Development

基　　金：海军十一五预研项目(编号略)

摘　　要：支持向量机理论是20世纪90年代由Vapnik提出的一种基于统计学习理论的新的机器学习方法,其具有全局最优解和较好的泛化能力,可将其用于求解时间序列预测问题。但是对于非平稳时间序列的预测,利用支持向量机算法单独建立一个模型的预测结果不如平稳时间序列那样明显,可以采用经验模式分解法作为时序预测的预处理工具。先将非平稳时间序列进行经验模式分解,再对各个分量分别建模,最后将各分量预测结果进行组合。同时通过仿真实验验证了该方法是有效的。Support vector machines,which was proposed by Vapnik in 1990s,is a new machine learning method based on statistical learning theory（SLT）.It has global optimum and preferable generalization,can be used on time series prediction.When predicting non-stationary time series,the results show that the result from single model is not as distinct as the stationary time series.Empirical mode decomposition is used for pre-processing.Decompose time series,then make models separately and combine all the values.Simulation results demonstrate that the proposed method is valuable.

关 键 词：支持向量机 支持向量回归 时间序列预测 经验模式分解 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]