基于支持向量机的溷沌时间序列预测

基于支持向量机的溷沌时间序列预测

ID:34130211

大小:379.82 KB

页数:7页

时间:2019-03-03

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

《基于支持向量机的溷沌时间序列预测》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、万方数据第30卷第6期2009年11月吉首大学学报(自然科学版)JournalofJishouUniversity(NaturalScienceEdition)V01.30No.6NOV.2009文章编号:1007—2985(2009)06--0035--05基于支持向量机的混沌时间序列预测+向昌盛1,周子英2(1.湖南农业大学东方科技学院,湖南长沙410128;2.湖南农业大学资环学院,湖南长沙410128)摘要:支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种具有很好泛化性能

2、的回归方法.针对混沌时间序列特点,提出混沌时间序列预测的支持向量机建模的思路、特点及关键参数的选取.对模型进行了实例研究,结果表明该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度.关键词:混沌时间序列;相空间重构;支持向量机;均方误差中图分类号:TPl81文献标识码:A混沌时间序列预测是建立在Takens提出的嵌入定理和相空间重构理论基础上的,其目的是试图在高维相空间中恢复混沌吸引子.传统的时间序列预测方法,如自回归、移动平均以及自回归移动平均的方法都属于线性的方法.而基于Tak

3、ens的理论,人们已提出了许多预测混沌时间序列的非线性预测方法D-2].基于神经网络的预测方法是其中重要的一种,并取得了较好的结果,但由于神经网络的结构过于复杂且难以选择,需要估计的参数相对于较少的数据样本显得太多,导致所得到的神经网络模型相对于数据容易产生过拟合,即泛化能力不够,从而使预测精度不高,在实际应用中受到了限制[3_4].支持向量机(SVM)[5川。是一种20世纪90年代中期发展起来的基于统计学习理论的机器学习方法,是继神经网络研究之后机器学习领域新的研究热点,它具有严格的数学基础,通

4、过寻求结构风险最小化原理来提高泛化能力,较好地解决了小样本、非线性、高维数和局部极小点等实际问题.与传统的神经网络相比,它解决了在神经网络中无法避免的局部极小值问题,避免了传统神经网络拓扑结构需要经验试凑的方法.笔者根据中国煤炭需求的历史数据,先确定最优嵌入维数m和时延参数r,重构混沌时间序列的相空间来近似原系统状态空间,然后利用支持向量机方法拟合系统演化的轨道,建立混沌时间序列的预测模型,同时与传统的时间序列测试方法进行比较,验证该模型的有效性.1混沌时间序列相空间重构混沌预测的基础是状态空间的

5、重构理论,假设观测到的混沌时间序列为{z(£)),t=1,2,⋯,N,嵌入维数为优,时间延迟为r,则重构相空间为X(£)一(z(£),x(t+r),⋯,x(t+(优一1)r))z(f)∈R”,i=1,2,⋯,N.根据Takens定理,对合适的嵌入维数优及时间延迟r,重构相空间在嵌入空间中的“轨线”,在微分同胚意义下与原系统是动力学等价的,这样进行相空间重构时,需要选择2个重要参数——延迟时间r和嵌·收稿日期:2009一07一01基金项目:国家自然科学基金资助项目(30570351)作者简介:向昌盛

6、(1971一),男,湖南怀化人,湖南农业大学东方科技学院高级讲师,博士生,主要从人工智能、模式识别研究.万方数据吉首大学学报(自然科学版)第30卷入维数m.对于无限长、无噪声数据序列,延迟时间r的选取理论上没有限制,而嵌入维数m可以选择充分的大.实际情况中,由于数据长度有限并可能带噪,r和m的选择对相空间的重构质量就尤其重要.目前对于r的估值,有自相关法、互信息量法,对m的估值有假近邻法等,这些方法基于r与m互不相关的观点,对r或rf/单独进行估值.文献E93利用关系式叫。=(m一1)r将r和m与

7、延迟时间窗w,联系起来,并给出了估计延迟时间窗叫,的方法.文献[10]的C—C方法利用关联积分同时优化出延迟时间r和延迟时间窗硼,,该方法易操作、计算量小,从而在估计延迟时间r和延迟时间窗硼,方面具有独特优点.笔者采用C-C法选择z.,嵌入维数优的选取采用关联指数饱和法中常用的G-P算法.2支持向量机的回归预测模型回归预测又称函数估计,它要解决的问题是:霸为预报因子值,Y。为预报对象值,根据给定的样本数据集{(zi,Y;),i一1,2,⋯,k},寻求一个反映样本数据的最优函数关系Y=,(z),若所

8、得函数关系Y=,(z)是线性函数,则称线性回归,否则为非线性回归.2。1支持向量机原理给定训练数据集{(z,,y,),i=1,2,⋯,k),k为样本个数。支持向量回归的基本思想就是通过一个非线性映射垂将数据zi映射到高维特征空间F,并在这个空间进行线性回归,即厂(z)=∞7西(z)+b,(1.)其中∞为超平面的权值向量,b为偏置项.支持向量回归实际上就是在下述约束条件(其中i=l,⋯,惫):fYf一硼·zf—b≤e+毫,J叫。毛+6一yf≤e+等,(2)

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。