基于遗传算法的支持向量机时间序列预测模型优化3资料.pdf

第 27 卷 　第 9 期 仪 器 仪 表 学 报 Vol27 No9 2006 年 9 月 Chinese J ournal of Scientific In st rument Sep 2006 基于遗传算法的支持向量机时间序列预测模型优化 陈 果 (南京航空航天大学民航学院 南京 　2 100 16) 摘要 　建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力 , 因此与建立在经验风险最 小原则上的神经网络模型相比,理论上更为完善 。本文运用支持向量机建立时间序列预测模型 ,研究影响模型预测精度的相关参 数 ,在分析参数对时间序列预测精度的影响基础上 ,提出用遗传算法建立支持向量机预测模型的参数 自适应优化算法 。最后 ,用算 例表明了本文算法的正确性和有效性 。 关键词 　支持向量机 时间序列分析 预 测 遗传算法 优 化 中图分类号 　O329 　F20 1 　文献标识码 　A 　国家标准学科分类代码 　110 . 6760 Optimizing of support vector machine time series f orecasting model para meters based on genetic algorithms Chen Guo ( ) Ci v i l A v i ation Col leg e , N anj i ng Uni vers i ty of A e rona utics an d A s t ronautics , N anj i ng 2 10016 , Chi na Abstract 　Supp ort V ector Machine ( SV M) i s ba sed on St ati stical L ear ning Theory ( SL T) an d St r uct ural Ri sk Minimizatio n Princip le ( SRM) , an d t heoretically a ssure s be st mo del generalizatio n . Therefore , it i s more p er f ect in t heory t han A rtificial N eural N et wor k ( AN N ) t hat i s ba sed on Emp irical Ri sk Minimization Princip le ( ERM) . In t hi s p ap er , SV M i s u sed to e st abli sh time serie s foreca stin g mo del , st udy t he p aramet er s t hat influ ence foreca stin g accuracy . On t he ba si s of analyzing mo del p aramet er s’ influence , a selfadap tive op timizing al gorit hm for e st abli shing t he mo del p aramet er s ba sed o n genetic algorit h