基于GA和LS—SVM的时间序列预测

• 作 者: 王平 刘玉涛
• 机 构: 华北电力大学数理学院
• 出 处: 华北电力大学学报(自然科学版)
• 发表日期: 2009年4期
• 关键词: 遗传算法 最小二乘支持向量机 混沌时间序列 预测 genetic algorithm least square support vector machine c

支持向量机是在统计学习理论基础上提出的一种全新的机器学习方法。由于其出色的学习性能，该技术已经成为机器学习界的研究热点。研究了基于最小二乘支持向量机的建模方法，并用遗传算法自动获取最小二乘支持向量机的最优参数。在Matlab中ANFIS方法在输入维数大于5时就不予计算，而本建模方法则能够处理高维输入的非线性系统。并将其应用到十维Mackey—Glass混沌时间序列的预测中。结果表明，该方法具有自动获取最优参数、训练速度快、精度高、泛化能力强等优点。