控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2013年
11期
1467-1472
,共6页
时间序列%预测%极端学习机%支持向量机%样本加权
時間序列%預測%極耑學習機%支持嚮量機%樣本加權
시간서렬%예측%겁단학습궤%지지향량궤%양본가권
time series%prediction%extreme learning machine%support-vector machines%weighted instances
针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极端学习机预测模型,具有支持向量机的核映射表达能力以及极端学习机的一步快速训练能力,因此训练简便且具有较好的泛化性能.所提算法具有和训练样本三次方成正比的计算复杂度,因此适用于102～103样本规模的平稳时间序列.基于Lorenz混沌时间序列和年太阳黑子和黄河年径流混沌时间序列预测的仿真结果证明所提算法的有效性.
針對多元混沌時間序列具有彊非線性,難以建立數學模型進行準確預測的問題,本文提齣一種加權極耑學習機預測算法.首先對多元混沌時間序列進行相空間重構,併根據相空間中輸入數據對預測誤差的影響施加不同的權重.然後,提齣一種支持嚮量極耑學習機預測模型,具有支持嚮量機的覈映射錶達能力以及極耑學習機的一步快速訓練能力,因此訓練簡便且具有較好的汎化性能.所提算法具有和訓練樣本三次方成正比的計算複雜度,因此適用于102～103樣本規模的平穩時間序列.基于Lorenz混沌時間序列和年太暘黑子和黃河年徑流混沌時間序列預測的倣真結果證明所提算法的有效性.
침대다원혼돈시간서렬구유강비선성,난이건립수학모형진행준학예측적문제,본문제출일충가권겁단학습궤예측산법.수선대다원혼돈시간서렬진행상공간중구,병근거상공간중수입수거대예측오차적영향시가불동적권중.연후,제출일충지지향량겁단학습궤예측모형,구유지지향량궤적핵영사표체능력이급겁단학습궤적일보쾌속훈련능력,인차훈련간편차구유교호적범화성능.소제산법구유화훈련양본삼차방성정비적계산복잡도,인차괄용우102～103양본규모적평은시간서렬.기우Lorenz혼돈시간서렬화년태양흑자화황하년경류혼돈시간서렬예측적방진결과증명소제산법적유효성.
