近似非齐次指数序列预测的新融合模型构建  

作　　者：周德强[1] 

机构地区：[1]长江大学信息与数学学院,湖北荆州434023

出　　处：《统计与决策》2016年第10期30-33,共4页Statistics & Decision

基　　金：湖北省自然科学基金资助项目(2013CFA053);长江大学数学与应用数学研究所开放基金项目(KF1506;KF1508);长江大学基础学科研究发展基金资助项目(2014JCY002)

摘　　要：DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型。该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性。实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度。

关 键 词：DDGM(1 1) LS-SVM 时间序列预测 机器学习 近似非齐次指数序列 

分 类 号：N941.5[自然科学总论—系统科学]