基于SVM的混沌时间序列分析

被引：3

作者：

赵志宏 ^{[1
]}

杨绍普 ^{[2
]}

机构：

[1] 石家庄铁道学院计算机与信息工程分院

[2] 石家庄铁道学院院办

来源：

动力学与控制学报 | 2009年 / 7卷 / 01期

基金：

国家杰出青年科学基金;

关键词：

时间序列分析; 混沌; 支持向量机;

D O I：

暂无

中图分类号：

O211.61 [平稳过程与二阶矩过程];

学科分类号：

摘要：

支持向量机是一种基于统计学习理论的新的机器学习方法,该方法已用于解决模式分类问题.本文将支持向量机(SVM)用于混沌时间序列分析,实验数据采用典型地Mackey-Glass混沌时间序列,先对混沌时间序列进行支持向量回归实验;然后采用局域法多步预报模型,利用支持向量机对混沌时间序列进行预测.仿真实验表明,利用支持向量机可以较准确地预测混沌时间序列的变化趋势.

引用

页码：5 / 8

页数：4

共 4 条

[1] 混沌时间序列的神经网络预测研究 [J].