基于支持向量回归的混沌序列预测方法

被引：11

作者：

朱志宇

姜长生

张冰

机构：

[1] 南京航空航天大学自动化学院,南京航空航天大学自动化学院,江苏科技大学电子信息学院南京江苏科技大学电子信息学院镇江,南京,镇江

来源：

关键词：

混沌序列; 预测; 支持向量机(SVM); 关联度;

D O I：

10.19595/j.cnki.1000-6753.tces.2005.06.012

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文讨论了支持向量机(SVM)的回归算法,将SVM应用于混沌时间序列的预测,并与RBF网络的预测效果进行了比较,仿真结果表明,其预测精度和抗噪声能力要优于RBF网络;同时,采用关联度代替欧式距离,来确定相空间中的最邻近相点,提高了预测时的嵌入维数,从而提高了混沌预测的精度。

引用

页码：57 / 61

页数：5

共 5 条

[1]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,

[2] 高嵌入维混沌负荷序列预测方法研究 [J].

蒋传文 ;

袁智强 ;

侯志俭 ;

张勇传 .

翟永杰 ;

韩璞 ;

王东风 ;

王国鹏 .

[4] 嵌入局部模型的SOM网络对混沌时间序列预测研究 [J].

朱家元 ;

虞建飞 ;

张恒喜 ;

不详 .

Tay, FEH ;

Cao, LJ .