用于混沌时间序列预测的组合核函数最小二乘支持向量机
Combination kernel function least squares support vector machine for chaotic time series prediction
查看参考文献31篇
|
文摘
|
针对混沌时间序列的预测问题,考虑到单一核函数的最小二乘支持向量机无法明显提高预测精度,提出了一种组合核函数的最小二乘支持向量机预测模型,模型中采用多项式函数与径向基函数组合构建核函数. 同时,还对遗传算法进行了改进,使之具有更快的收敛速度和更高的精度,改进的遗传算法适用于解决预测模型中的参数优化问题. 通过典型的Lorenz时间序列、Mackey-Glass时间序列、太阳黑子数时间序列以及具有混沌特性的网络流量时间序列对该模型进行了验证. 仿真结果表明所提出的模型是有效的. |
|
其他语种文摘
|
Considering the problem that least squares support vector machine prediction model with single kernel function cannot significantly improve the prediction accuracy of chaotic time series, a combination kernel function least squares support vector machine prediction model is proposed. The model uses a polynomial function and radial basis function to construct the kernel function of least squares support vector machine. An improved genetic algorithm with better convergence speed and precision is proposed for parameter optimization of prediction model. The simulation experimental results of Lorenz, Mackey-Glass, Sunspot-Runoff in the Yellow River and chaotic network traffic time series demonstrate the effectiveness and characteristics of the proposed model. |
|
来源
|
物理学报
,2014,63(16):160508-1-160508-11 【核心库】
|
|
DOI
|
10.7498/aps.63.160508
|
|
关键词
|
混沌时间序列
;
最小二乘支持向量机
;
组合核函数
;
改进遗传算法
|
|
地址
|
1.
沈阳工业大学信息科学与工程学院, 沈阳, 110870
2.
东北大学信息科学与工程学院, 沈阳, 110819
3.
辽宁林业职业技术学院人文社会科学系, 沈阳, 110101
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-3290 |
|
学科
|
物理学 |
|
基金
|
国家自然科学基金重点项目
|
|
文献收藏号
|
CSCD:5222172
|
参考文献 共
31
共2页
|
|
1.
Wang S W.
Math. Comput. Model,2013,58:677
|
被引
2
次
|
|
|
|
|
2.
Hong W C.
Energy Convers. Manage,2009,50:105
|
被引
17
次
|
|
|
|
|
3.
Zhao X J.
Phys. Rev. E,2013,87:805
|
被引
1
次
|
|
|
|
|
4.
Chowdhury P.
Sol. Phys,2011,270:365
|
被引
2
次
|
|
|
|
|
5.
Ding J.
Math. Comput. Model,2010,51:527
|
被引
2
次
|
|
|
|
|
6.
Toque C.
Commun. Statist.-Theor. Methods,2011,40:1533
|
被引
2
次
|
|
|
|
|
7.
Khashei M.
Appl. Soft Comput,2011,11:2664
|
被引
15
次
|
|
|
|
|
8.
Li P.
Int. J. Elec. Power,2014,55:749
|
被引
2
次
|
|
|
|
|
9.
李德才. 基于鲁棒回声状态网络的混沌时间序列预测研究.
物理学报,2011,60:108903
|
被引
3
次
|
|
|
|
|
10.
Zhang J S.
Chin. Phys. Lett,2000,17:88
|
被引
42
次
|
|
|
|
|
11.
张军峰. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测.
物理学报,2007,56:713
|
被引
25
次
|
|
|
|
|
12.
Zhang J S.
Chin. Phys,2001,10:390
|
被引
13
次
|
|
|
|
|
13.
Li G D.
Int. J. Adv. Manuf. Tech,2013,67:2343
|
被引
2
次
|
|
|
|
|
14.
Li P.
Min. Sci. Tech,2011,21:557
|
被引
1
次
|
|
|
|
|
15.
王革丽. 基于支持向量机方法对非平稳时间序列的预测.
物理学报,2008,57:714
|
被引
26
次
|
|
|
|
|
16.
Li H C.
Chin. Phys. Lett,2005,22:2776
|
被引
17
次
|
|
|
|
|
17.
Vapnik V N.
IEEE Trans. Neural Netw,1999,10:1045
|
被引
2
次
|
|
|
|
|
18.
谭文.
物理学报,2003,52:2205
|
被引
1
次
|
|
|
|
|
19.
杨永锋. 基于EMD方法的混沌时间序列预测.
物理学报,2008,57:6139
|
被引
17
次
|
|
|
|
|
20.
韩敏. 一种基于误差补偿的多元混沌时间序列混合预测模型.
物理学报,2013,62:120510
|
被引
11
次
|
|
|
|
|
了解气象卫星更多信息，请访问