支持向量机的时间序列回归与预测

被引：61

作者：

董辉

傅鹤林

冷伍明

机构：

[1] 中南大学土木建筑学院

来源：

系统仿真学报 | 2006年 / 07期

关键词：

支持向量机; 回归; Elman网络; 滑坡变形;

D O I：

10.16182/j.cnki.joss.2006.07.014

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

详细分析了支持向量机用于时间序列预测的理论基础。采用支持向量机、RBF和Elman神经网络模型,对仿真时序和工程滑坡变形时序进行了回归与外延预测。结果表明,在噪声水平较低时,SVR回归效果稍好,Elman与RBF网络的稳健性相对较差;随着噪声水平增大,两种神经网络的回归精度迅速下降。对于外延预测,两种神经网络仅限于短期的非线性模拟,而泛化性能更好的SVR在短期具有比较理想的效果,在较长的时间区间里也具有较高的预测精度(7步预测准确度控制在83.5%以上)。

引用

页码：1785 / 1788

页数：4