Oracle中使用支持向量机的时间序列预测方法  

Applying support vector machines to time series prediction in Oracle

作　　者：吴湘宁[1] 胡炫[1] 胡光道[2] 胡成玉[1] 李桂玲[1] 

机构地区：[1]中国地质大学计算机学院,武汉430074 [2]中国地质大学资源学院,武汉430074

出　　处：《计算机工程与应用》2013年第14期121-125,共5页Computer Engineering and Applications

基　　金：湖北省自然科学基金(No.2009CDB226;No.2012FFB6404);中国地质大学(武汉)中央高校基本科研业务费专项资金资助项目(No.2010199063;No.2010199055)

摘　　要：利用Oracle数据库中的数据挖掘选件(Oracle Data Mining,ODM),并使用存储在Oracle数据库中的时间序列数据,可构建预测时间序列未来值的支持向量机(Support Vector Machines,SVM)模型。建模时,需去除时间序列中的趋势,将目标属性标准化,确定包含延迟变量窗口的尺寸,利用机器学习方法,由时间序列历史数据得出SVM预测模型。与传统时间序列预测模型相比,SVM预测模型能够揭示时间序列的非线性、非平稳性和随机性,从而得到较高的预测精度。Using Oracle Data Mining option（ODM） and the time series data stored in oracle database, the SVM（Support Vector Machines） model which is used to predict the future value of the time series can be constructed. To build SVM model, the trend in time series must be removed, and the target attribute should be normalized. The size of the time window in which including all the lag values should be determined, then the machine learning method can be used to construct a SVM prediction model according to the time series data. Comparing with the traditional time series prediction model, SVM prediction models can reveal non-linear, non-stationary and randomness of the time series, and have higher prediction accuracy.

关 键 词：ORACLE 时间序列 支持向量机 预测模型 

分 类 号：TP311.138[自动化与计算机技术—计算机软件与理论]