基于IBH-LSSVM的混沌时间序列预测及其在抽油井动液面短期预测中的应用

被引：12

作者：

李琨 ^{[1
]}

韩莹 ^{[1
]}

黄海礁 ^{[2
]}

机构：

[1] 渤海大学工学院

[2] 辽河油田分公司锦州采油厂采油作业五区

来源：

信息与控制 | 2016年 / 45卷 / 02期

关键词：

混沌时间序列; 最小二乘支持向量机; 改进黑洞算法; 动液面短期预测;

D O I：

10.13976/j.cnki.xk.2016.0241

中图分类号：

O415.5 [混沌理论]; O211.61 [平稳过程与二阶矩过程];

学科分类号：

摘要：

为了提高预测模型的预测精度,模型参数的选取通常转化为目标参数的组合优化问题,但是预测结果经常会受到优化算法参数设置的影响.针对这个问题,本文提出了一种基于改进黑洞算法和最小二乘支持向量机的预测模型,该模型将嵌入维数、延迟时间、正则化参数和核函数参数作为组合优化目标,优化算法不需要额外设定任何主观参数.另外,为了防止模型训练的过拟合,采用基于快速留一法的在线校验方法.通过对寻优机制的改进,该模型具有更好的预测效果.将其应用于抽油井动液面的短期预测中,结果表明所提出的预测模型具有一定的实际应用意义.

引用

页码：241 / 247+256 +256

页数：8

共 15 条

[1] 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 [J].

田中大 ;

高宪文 ;

石彤 .

物理学报, 2014, 63 (16) :70-80

[2] 一种基于相关分析的局域最小二乘支持向量机小尺度网络流量预测算法 [J].

唐舟进 ;

彭涛 ;

王文博 .

物理学报, 2014, 63 (13) :57-66

[3] 基于递归量化分析与支持向量机的癫痫脑电自动检测方法 [J].

孟庆芳 ;

陈珊珊 ;

陈月辉 ;

冯志全 .

物理学报, 2014, 63 (05) :88-95

[4] 自适应递推核学习及在橡胶混炼过程在线质量预报的工业应用 [J].

刘毅 ;

张锡成 ;

朱可辉 ;

王海清 ;

李平 .

控制理论与应用, 2010, 27 (05) :609-614

[5] A high-order multi-variable Fuzzy Time Series forecasting algorithm based on fuzzy clustering [J].

Askari, S. ;

Montazerin, N. .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (04) :2121-2135

[6] Short-term spatio-temporal prediction of wind speed and direction [J].

Dowell, Jethro ;

Weiss, Stephan ;

Hill, David ;

Infield, David .

WIND ENERGY, 2014, 17 (12) :1945-1955

[7]

Short-term prediction of traffic flow using a binary neural network[J] . Victoria J. Hodge,Rajesh Krishnan,Jim Austin,John Polak,Tom Jackson.Neural Computing and Applications . 2014 (7-8)

[8]

Short-term load forecasting using a hybrid model with a refined exponentially weighted fuzzy time series and an improved harmony search[J] . Hossein Javedani Sadaei,Rasul Enayatifar,Abdul Hanan Abdullah,Abdullah Gani.International Journal of Electrical Power and Energy Systems . 2014

[9]

Time series forecasting by neural networks: A knee point-based multiobjective evolutionary algorithm approach[J] . Wei Du,Sunney Yung Sun Leung,Chun Kit Kwong.Expert Systems With Applications . 2014 (18)

[10]

A Moving-Average-Filter-Based Hybrid ARIMA–ANN Model for Forecasting Time Series Data[J] . C. Narendra Babu,B. Eswara Reddy.Applied Soft Computing Journal . 2014

← 1 2 →