原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于残差预测修正的局部在线时间序列预测方法
第 12A 期 电 子 学 报 Vol . 36 No . 12A
2008 年 12 月 ACTA ELECTRONICA SINICA Dec . 2008
基于残差预测修正的局部在线时间序列预测方法
刘大同 ,彭 宇 ,彭喜元
( 哈尔滨工业大学自动化测试与控制研究所 ,黑龙江哈尔滨 150080)
( )
摘 要 : 对于复杂的非线性和非平稳时间序列预测 ,基本的支持向量回归 Support Vecotr Regression ,SVR 在线算
法无法有效兼顾执行效率和预测精度. 本文首先采用局部 SVR 进行时间序列建模预测 , 同步计算在线更新序列数据
预测的残差 ,并采用 Online SVR 对残差序列进行混沌时间序列预测 ,将预测残差值实时补偿到局部 SVR 模型预测输
出. 实验结果表明 ,新方法在执行效率和预测精度方面较单一 Online SVR 均显著提高.
关键词 : 时间序列预测 ; 在线预测 ; SVR ; 残差
中图分类号 : TP391 文献标识码 : A 文章编号 : (2008) 12A08105
Local Online Time Serie s Pre diction Ba se d on the
Re sidual Co mp en sation with Online SVR
L IU Datong ,PEN G Yu ,PEN G Xiyuan
( )
A utomatic Test and Control Institute , Harbin Institute of Technology , Harbin , Heilongj iang 150080 , China
Ab stract : For complicated nonlinear and nonstationary time series prediction ,the precision will be decreased if a faster pro
cessing sp eed is reached in online SVR . A new time series prediction method is prop osed . L ocal SVR is firstly adopted to make pre
diction of the time series . Then the forecast residual with the real data stream is calculated . Finally ,the residual is estimated with on
line SVR algorithm to comp ensate the predicted value with the local SVR . Exp erimental results showed that the prop osed method
outp
文档评论（0）