基于支持向量机的时间序列预测研究

基于支持向量机的时间序列预测研究

ID:33360667

大小:2.25 MB

页数:62页

时间:2019-02-25

基于支持向量机的时间序列预测研究_第1页
基于支持向量机的时间序列预测研究_第2页
基于支持向量机的时间序列预测研究_第3页
基于支持向量机的时间序列预测研究_第4页
基于支持向量机的时间序列预测研究_第5页
资源描述:

《基于支持向量机的时间序列预测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕+学位论文摘要时间序列是指按照时间顺序排列的一组数列。在实际问题中,系统一般都是非线性的,由系统产生的时间序列也几乎都是非平稳的。对系统进行机理性建模往往比较困难,可以基于系统输入输出的观测数据,即时间序列建立模型,并对未知的数据进行预测。本文首先介绍了各种时间序列预测方法的建模预测原理,通过分析和比较,发现统计方法、灰色预测和神经网络各有优势,但是不能满足对复杂时间序列精确预测的要求,提出了支持向量机的方法。本文归纳了基于支持向量机的时间序列预测模型的设计方法,并以上证指数时间序列预测为例,通过仿真研究表明,支持向量机是一种有效的时间序列预测方法。支持向量机的参数对其学习能力和泛化能

2、力有很大影响,到目前为止这方面还没有统一的理论指导,人们通常采用大量实验,人工选取满意的解,但这种方法耗时且获得的参数也不一定最优。交叉验证、经验公式和遗传算法也各有不足。针对支持向量机参数选择问题,本文引入了粒子群优化算法,粒子群优化算法简单有效,但容易陷入局部最小,所以采用了量子粒子群优化算法,量子粒子群优化算法全局搜索能力更强,但收敛速度不快。针对量子粒子群优化算法收敛速度慢的问题,提出了一种改进的量子粒子群优化算法,以太阳黑子时间序列为例,仿真结果表明,改进的量子粒子群优化算法全局搜索能力更强、收敛速度更快,预测误差更小,是一种有效的参数优化方法,可用于支持向量机对时间序列的预测

3、。关键词:时间序列;支持向量机;参数选择;量子粒子群优化;预测基于支持向量机的时间序列预测研究Abstract1’imeseriesisaseriesinacC0rdancewiththetimc0rder.hpmcticalp∞blems,thesystcm缸egemrally∞nline码如dmetime∞ri懿a爬ahn硝t∞n-stationa巧.nisoftendifficultt0createthemodclbythemechanjsmofthesystem,wecanusetheinput粕doutputdatat0prcdiCttheunlmo、Ⅳnda协.Thispap

4、eriIltrlDduc跫savarietyofmodeliIlgandforecastiIlgprillcipl略a_bouttinles嘶es,througll觚alysis锄d伽paris叩,wefoundstatist渤lme也0d,擎ayforec弱ts锄dneuralnetworkshavesomeadvanta霉res,butcannotmeetthefequirements0fcomplextilneseri鼯,∞supponvcctormachinefortimeseri鼯isputfom咖.dinthethcsis.’I’akingshan曲aisto(Ikindex

5、tiⅡ1eseriespredictionasanex锄ple,thesimulationresultsshowmattheSVMisaneffectivemethodoftiIllesericsforcc弱tin舀T1Iepammete璐ofSVMhave翠eatinnue玳圮onthele硼linga_bilityandgcneral娩ationability,∞伽thercis∞吼ifiedtheor)rt0gIlidethjsfield,peoplealwaysuselarge加mbe璐ofexpe施铋ts锄d∞lectethesatisfiedsolution,butthjsm

6、ethodw弱timecoln鲫ming锄dthep舢ete璐arcnotoptimal.Q.0ssccnification,cXperienccf0皿ula舳dgeneticalgorithmSarealsoinadequate.Thispaperint劬cedthePSOalgorithlnthatissimple锄def!fective,buteasyt0alocalminimum.s0theQPSOalgorithmwtlichh弱strongcr酉obalse眦hcapabilityisused,buttlleconvergenceisnotsatisfiyed.AiIllpr

7、0ⅣedQPSOa190ritllmiSputforward柚dthesunsI幻ttiInesed髓铷『etakeasanex锄pleforthesimulationrese硼『ch.The∞sultsshowthattheimprovedQPSOh勰strongcr舀obal∞arch,faSterconVergence,觚dtheforec器te仃0rissmauer.ThatiS衄e舒ectivemethodofoptinl

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。