基于灰色支持向量机的新型预测模型

被引：95

作者：

唐万梅

机构：

[1] 内蒙古大学数学系

来源：

系统工程学报 | 2006年 / 04期

关键词：

灰色系统; 支持向量机; 时间序列; GM(1,1)模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

分析了灰色预测方法和支持向量机各自的优缺点,提出了将二者相结合的一种新的预测模型———灰色支持向量机预测模型.新模型发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷.实验结果表明文章所提出的预测模型有效可靠,为提高预测精度提供了新的途径.

引用

收藏

页码：410 / 413

页数：4

相关论文

共 12 条

[1]

基于RBF神经网络的时间序列预测 [J].

张玉瑞 ;

陈剑波 .

计算机工程与应用, 2005, (11) :74-76

[2]

基于插值和Newton-Cores公式的GM(1,1)模型的背景值构造新方法与应用 [J].

李俊峰 ;

戴文战 .

系统工程理论与实践, 2004, (10) :122-126

[3]

基于支持向量机的武器系统费用预测分析 [J].

蒋铁军 ;

李积源 .

系统工程理论与实践, 2004, (09) :121-124+130

[4]

基于GM(1,1)模型和线性回归的组合预测新方法 [J].

鲍一丹 ;

吴燕萍 ;

何勇 .

系统工程理论与实践, 2004, (03) :95-98

[5]

基于核函数的学习算法[J] 田盛丰北方交通大学学报 2003, 02

[6]

灰色预测公式的理论缺陷及改进 [J].

张大海 ;

江世芳 ;

史开泉 .

系统工程理论与实践, 2002, (08) :140-142

[7]

小样本机器学习理论:统计学习理论 [J].

谭东宁 ;

谭东汉 .

南京理工大学学报, 2001, (01) :108-112

[8]

关于统计学习理论与支持向量机[J] 张学工自动化学报 2000, 01

[9]

基于神经网络模型的时间序列预测算法及其应用 [J].

王玉涛 ;

夏靖波 ;

周建常 ;

王师 .

信息与控制, 1998, (06)

[10]

Support-Vector Networks[J] Corinna Cortes;Vladimir Vapnik Machine Learning 1995,