资源描述：
《基于灰色支持向量机的新型预测模型_唐万梅.pdf》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、第21卷第4期系统工程学报Vol.21No.42006年8月JOURNALOFSYSTEMSENGINEERINGAug.2006短文①基于灰色支持向量机的新型预测模型唐万梅(内蒙古大学数学系,内蒙古呼和浩特010021;重庆师范大学数学与计算机科学学院,重庆400047)摘要:分析了灰色预测方法和支持向量机各自的优缺点,提出了将二者相结合的一种新的预测模型———灰色支持向量机预测模型.新模型发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷.实验结果表明文章所提出的预测模型有效可靠,为提高
2、预测精度提供了新的途径.关键词:灰色系统;支持向量机;时间序列;GM(1,1)模型中图分类号:TP18;N941.5文献标识码:A文章编号:1000-5781(2006)04-0410-04NewforecastingmodelbasedongreysupportvectormachineTANGWan2mei(DepartmentofMathematics,InnerMongoliaUniversity,Hohhot010021,China;DepartmentofMathematicsandComputerSciences,ChongqingNormalUniversity
3、,Chongqing400047,China)Abstract:Theadvantagesanddisadvantagesofgreyforecastingmethodsandsupportvectormachine(SVM)areanalyzedrespectively,thisarticleproposesanewforecastingmodelofgreysupportvectorma2chine.Thenewmodeldevelopstheadvantagesofaccumulationgenerationinthegreyforecastingmethod,weake
4、nstheeffectofstochastic2disturbingfactorsinoriginalsequence,strengthenstheregularityofdata,andavoidsthetheoreticaldefectsexistinginthegreyforecastingmodel.Thesimulationresultsshowthattheforecastingmodeliseffectiveandreliableandoffersanewwaytoimprovetheforecastingaccuracy.Keywords:greysystem;
5、supportvectormachine;timesequence;GM(1,1)model0引言有不规则、混沌等非线性特性,很难对系统建立理想的预测模型,因此,往往难以获得精确的预测结任何一个时间序列都可以看成是一个由非线果.支持向量机(supportvectormachine,SVM)是[2]性机制确定的输入输出系统.目前,对时间序列的Cortes等1995年首先提出的一种机器学习算[3]预测有很多种方法,从传统的ARMA模型到最近法,它的基础是Vapnik创建的统计学习理论.[1]提出的神经网络模型,这些方法的核心都是要传统的学习方法采用经验风险最小化(empirical
6、建立预测模型,但是由于实际应用中时间序列具riskminimzation,ERM)准则,即最小化训练样本点①收稿日期:2005-08-08;修订日期:2006-03-25.基金项目:国家自然科学基金资助项目(10171118;10471159);教育部重点项目资助项目;教育部“新世纪优秀人才支持计划”资助项目;重庆师范大学校级科研项目(05XLY017);重庆市教委项目(KJ060818).第4期唐万梅:基于灰色支持向量机的新型预测模型—411—误差,因而不可避免地出现过拟合现象,这样自然第1项使函数更为平坦,从而提高泛化能力;就影响了模型的泛化能力,如神经网络模型中存第2项减
7、少经验风险;自定义常数C>0是惩罚系在的过学习问题.而统计学习理论采用结构风险数,用来控制样本偏差和机器的泛化能力之间的最小化(structureriskminimization,SRM)原则,从而平衡.在统计样本量较少的情况下,亦能获得良好的统若样本点呈非线性关系,支持向量机理论将计规律,提高模型的泛化能力.支持向量机严格的原空间的非线性问题通过非线性变换转化为某个数学基础使其在理论上有较大优势,但与其理论高维空间中的线性问题,而在高维空间实际上只研究相比,应用研究则相对滞后.本文探讨运用
