基于ADE算法的LSSVM在混沌时间序列中的应用  

APPLICATION OF LSSVM IN CHAOTIC TIME SERIES BASED ON ADE ALGORITHM

作　　者：崔庆[1] 马孝义[1] 李贤波[1] 朱晖[1] 李忠娟[1] 

机构地区：[1]西北农林科技大学水利与建筑工程学院,陕西杨凌712100

出　　处：《计算机应用与软件》2014年第1期275-277,289,共4页Computer Applications and Software

基　　金：国家自然科学基金项目(51279167);国家高技术研究发展计划项目(2011AA100509);"十二五"国家科技支撑计划项目(2011BAD25B03;2012BAD08B01)

摘　　要：为了提高基于最小二乘支持向量机(LSSVM)模型的时间序列预测方法的泛化能力及预测精度,研究一种基于自适应差分进化算法(ADE)的最小二乘支持向量机模型(ADE_LSSVM)。首先利用相空间重构技术对样本数据进行相空间重构,再利用ADE对LSSVM的两个参数进行组合寻优,最后利用Lorenz系统对模型进行仿真试验并与未进行参数优化的LSSVM预测结果对比。结果表明,ADE_LSSVM方法是一种可行的、有效的混沌时间序列预测方法,可为今后的科学研究提供新的理论思想。In order to improve the generalisation ability and prediction accuracy of time series prediction which is based on least squares support vector machine （LSSVM） model, we study an adaptive differential evolution algorithm （ADE）-based LSSVM （ADE_LSSVM） model. First, we use phase space reconstruction technology to reconstruct the phase space of sample data, and then use ADE to optimise two parameters of LSSVM in combination, finally we make use of Lorenz system to simulate the model in experiment, and compare it with the result of LSSVM model prediction without parameters optimisation. Resuhs show that the ADE_LSSVM method is a feasible and effective prediction method for chaotic time series; it provides new theoretical idea for future scientific researches.

关 键 词：混沌时间序列 相空间重构技术 最小二乘支持向量机核函数 差分进化算法Lorenz系统 

分 类 号：TP301[自动化与计算机技术—计算机系统结构] TP18[自动化与计算机技术—计算机科学与技术]