基于支持向量機(jī)的非線性時間序列預(yù)測方法研究.pdf

1、基于時間序列模型的預(yù)測作為定量預(yù)測的主要方法，在實際中的應(yīng)用幾乎遍及預(yù)報活動的所有領(lǐng)域。傳統(tǒng)的時間序列建模主要針對線性或弱非線性時間序列，但是面對現(xiàn)實生活中大量的復(fù)雜非線性時間序列(甚至混沌)時則顯得力不從心?；诮y(tǒng)計學(xué)習(xí)理論的支持向量機(jī)是一種新型的學(xué)習(xí)方法，它采用結(jié)構(gòu)風(fēng)險最小化原則，為解決小樣本、非線性、高維數(shù)等學(xué)習(xí)問題提供了一個框架。近年來，支持向量機(jī)已開始應(yīng)用于非線性時間序列預(yù)測中。本文以提高支持向量機(jī)預(yù)測模型的精度為主要目的，研

2、究了非線性時間序列的降噪、非平穩(wěn)化處理和模型參數(shù)優(yōu)化等問題。 局部投影降噪算法已廣泛應(yīng)用于非線性時間序列的分析中，但其鄰域選取具有主觀性，嚴(yán)重影響到降噪的性能。本文研究了一種按照自適應(yīng)方式選取鄰域大小的局部投影降噪算法。首先用時間延遲方法將一維時間序列重構(gòu)到高維相空間。然后逐步增大每個待分析相點的領(lǐng)域大小，在領(lǐng)域最大主方向變化過程中，自適應(yīng)地確定該相點的最優(yōu)領(lǐng)域。最后再用局部幾何投影的方法去除噪聲成分。實驗結(jié)果表明，自適應(yīng)鄰域選

3、取方法，提高了局部投影算法的降噪能力。 非平穩(wěn)時間序列具有一定的周期性和隨機(jī)性的，難以用單一的方法進(jìn)行精確的預(yù)測。本文提出將經(jīng)驗?zāi)Ｊ椒纸?EMD)和最小二乘支持向量機(jī)(LS-SVM)相結(jié)合的預(yù)測方法。首先，運用EMD將趨勢時間序列自適應(yīng)地分解成一系列不同尺度的本征模式分量；其次，對每個本征模式分量，采用合適的核函數(shù)和超參數(shù)構(gòu)造不同的LS-SVM進(jìn)行預(yù)測；最后對各分量的預(yù)測值進(jìn)行擬合得到最終的預(yù)測值。并將此方法成功應(yīng)用于機(jī)械振動非