IFS-LSSVM及其在时延序列预测中的应用.pdfVIP

第19卷　 第11期 电　 机　 与　 控 　 制　 学　 报 Vol．19 No．11 　 　 2015年11月 Electric Machines and Control　 　 　 Nov. 2015 　 　 　 　 　 　 IFS-LSSVM及其在时延序列预测中的应用 1 1 1 2 田中大 ,　 李树江 ,　 王艳红 ,　 高宪文 (1.沈阳工业大学 信息科学与工程学院,辽宁沈阳110870;2.东北大学 信息科学与工程学院,辽宁沈阳110819) 摘　 要:针对最小二乘支持向量机预测模型中最优参数难以确定的问题,提出一种基于改进的自由 搜索算法确定最小二乘支持向量机最优参数的方法(IFS-LSSVM)。 对标准自由搜索算法进行改 进,使之可应用于最小二乘支持向量机的参数优化,改进之后的算法具有更好的优化性能。 将具有 时间序列性质的网络时延作为预测对象,利用本文的IFS-LSVM 算法进行预测。 在仿真中与遗传 算法优化的最小二乘支持向量机(GA-LSSVM)、粒子群优化算法优化的最小二乘支持向量机(PSO- LSSVM)、标准最小二乘支持向量机工具箱中的网格搜索算法(Grid-LSSVM)进行了对比。 仿真对 比结果表明本文的方法具有更高的预测精度与更小的预测误差。 关键词:最小二乘支持向量机; 自由搜索;时延序列;预测;时间序列 DOI:10.15938/ j.emc.2015.11.016 中图分类号:TP393 文献标志码:A 文章编号:1007-449X(2015)11-0104-07 IFS-LSSVM and its application in time-delay series prediction 1 1 1 2 TIAN Zhong-da ,　 LI Shu-jiang ,　 WANG Yan-hong ,　 GAO Xian-wen (1.College of Information Science and Engineering,Shenyang University of Technology,Shenyang 110870,China; 2. College of Information Science and Engineering,Northeastern University,Shenyang 110819,China) Abstract:It is difficult to determine the optimal parameters of least squares support vector machine pre- diction model,so a prediction method based on improved free search algorithm (IFS-LSSVM) was pro- posed to determine the optimal parameters of least squares support vector machines. First,the standard free search algorithmwasimproved sothat it canbeappliedtotheparameter optimizationof least squares support vector machines,the improved harmony search