计算机应用与软件
計算機應用與軟件
계산궤응용여연건
COMPUTER APPLICATIONS AND SOFTWARE
2014年
1期
275-277,289
,共4页
崔庆%马孝义%李贤波%朱晖%李忠娟
崔慶%馬孝義%李賢波%硃暉%李忠娟
최경%마효의%리현파%주휘%리충연
混沌时间序列%相空间重构技术%最小二乘支持向量机%核函数%差分进化算法%Lorenz系统
混沌時間序列%相空間重構技術%最小二乘支持嚮量機%覈函數%差分進化算法%Lorenz繫統
혼돈시간서렬%상공간중구기술%최소이승지지향량궤%핵함수%차분진화산법%Lorenz계통
Chaotic time series%Phase space reconstruction technique%LSSVM%Kernel function%Differential evolution algorithm%Lorenz system
为了提高基于最小二乘支持向量机(LSSVM)模型的时间序列预测方法的泛化能力及预测精度,研究一种基于自适应差分进化算法(ADE)的最小二乘支持向量机模型(ADE_LSSVM)。首先利用相空间重构技术对样本数据进行相空间重构,再利用ADE对LSSVM的两个参数进行组合寻优,最后利用Lorenz系统对模型进行仿真试验并与未进行参数优化的LSSVM预测结果对比。结果表明,ADE_LSSVM方法是一种可行的、有效的混沌时间序列预测方法,可为今后的科学研究提供新的理论思想。
為瞭提高基于最小二乘支持嚮量機(LSSVM)模型的時間序列預測方法的汎化能力及預測精度,研究一種基于自適應差分進化算法(ADE)的最小二乘支持嚮量機模型(ADE_LSSVM)。首先利用相空間重構技術對樣本數據進行相空間重構,再利用ADE對LSSVM的兩箇參數進行組閤尋優,最後利用Lorenz繫統對模型進行倣真試驗併與未進行參數優化的LSSVM預測結果對比。結果錶明,ADE_LSSVM方法是一種可行的、有效的混沌時間序列預測方法,可為今後的科學研究提供新的理論思想。
위료제고기우최소이승지지향량궤(LSSVM)모형적시간서렬예측방법적범화능력급예측정도,연구일충기우자괄응차분진화산법(ADE)적최소이승지지향량궤모형(ADE_LSSVM)。수선이용상공간중구기술대양본수거진행상공간중구,재이용ADE대LSSVM적량개삼수진행조합심우,최후이용Lorenz계통대모형진행방진시험병여미진행삼수우화적LSSVM예측결과대비。결과표명,ADE_LSSVM방법시일충가행적、유효적혼돈시간서렬예측방법,가위금후적과학연구제공신적이론사상。
In order to improve the generalisation ability and prediction accuracy of time series prediction which is based on least squares support vector machine (LSSVM)model,we study an adaptive differential evolution algorithm (ADE)-based LSSVM (ADE_LSSVM) model.First,we use phase space reconstruction technology to reconstruct the phase space of sample data,and then use ADE to optimise two parameters of LSSVM in combination,finally we make use of Lorenz system to simulate the model in experiment,and compare it with the result of LSSVM model prediction without parameters optimisation.Results show that the ADE_LSSVM method is a feasible and effective prediction method for chaotic time series;it provides new theoretical idea for future scientific researches.