基于SVR的非线性时间序列预测方法应用综述

被引：19

作者：

陈荣 ^{[1
,2
,3
]}

梁昌勇 ^{[1
,3
]}

谢福伟 ^{[1
,3
]}

机构：

[1] 合肥工业大学管理学院

[2] 蚌埠学院经济与管理系

[3] 合肥工业大学过程优化与智能决策教育部重点实验室

来源：

合肥工业大学学报(自然科学版) | 2013年 / 36卷 / 03期

基金：

高等学校博士学科点专项科研基金;

关键词：

支持向量机; 支持向量回归; 非线性; 时间序列预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于支持向量回归(Support Vector Regression,简称SVR)的非线性时间序列预测是智能预测的重要前沿课题,在许多领域有着非常广泛的应用前景。文章介绍了SVR基本理论和方法,从金融、电力、交通、旅游等领域的典型应用对基于SVR的非线性时间序列预测进行了综述,分析了目前SVR在核函数、自由参数选择和输入数据处理方面存在的问题及其在应用领域进一步研究的方向。

引用

页码：369 / 374

页数：6

共 18 条

[1] 短时交通流量智能组合预测模型及应用 [J].