用于混沌时间序列预测组合核函数最小二乘支持向量机_田中大.pdfVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 16 (2014) 160508 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∗ 田中大 高宪文 石彤 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) ( 2013 年12 月24 日收到; 2014 年4 月3 日收到修改稿) 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. 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 PACS: 05.45.Tp, 05.45.–a, 02.50.Ey DOI: 10.7498/aps.63.160508 12 13 自适应滤波器 、灰色模型 以及支持向量机 1 引 言 (SVM)14−16 等. 虽然已经证明神经网络可以任意 精度地逼近任何函数, 但是神经网络由于训练样本 时间序列预测是一个重要的研究课题, 在天气 数量的局限, 存在着过拟合与易陷入局部最优等缺 1 2 3 预测 、电力负荷预测 、金融股票预测 、太阳黑 点, 同时其结构需要人工指定, 这些都限制了神经 4 子数预测 等方面有着广泛的应用. 自然界和人 网络的适用性. 非线性自适应滤波器的非线性耦 类活动中很多的时间序列都是非线性甚至是混沌 合项和待定系数使其实现非常困难. 灰色模型只 的, 因此如何精确地进行时间序列特别是非线性时 适合原始数据符合指数分布规律且变化不是剧烈 间序列的预测是非常重要的. 目前已经有很多的研 的情况. 而Vapnik17 提出的SVM 在非线性、小样 究方法应用到时间序列的预测之中, 整体而言可分 为单一预测模型和混合预测模型两类. 本以及高维模式识别等问题中有独特的优势, 但是 单一预测模型包括基于线性理论的自回 SVM 的主要缺点在于其模型参数目前还没有统一 5 6 的确定方法. 归 、自回归滑动平均 、自回归求和滑动平均 (ARIMA)7 等方法, 这些成