华侨大学学报（自然科学版）
華僑大學學報（自然科學版）
화교대학학보（자연과학판）
JOURNAL OF HUAQIAO UNIVERSITY(NATURAL SCIENCE)
2014年
4期
373-377
,共5页
混沌时间序列%相空间重构%最小二乘支持向量机%粒子群优化%预测模型
混沌時間序列%相空間重構%最小二乘支持嚮量機%粒子群優化%預測模型
혼돈시간서렬%상공간중구%최소이승지지향량궤%입자군우화%예측모형
chaotic time series%phase space reconstruction%least squares support vector machine%particle swarm optimi-zation%prediction model
结合相空间重构理论，提出运用最小二乘支持向量机（LSSVM）建立混沌时间序列的预测模型，并用粒子群优化（PSO）解决 LSSVM参数寻优的问题。通过与 RBF神经网络构建的预测模型相比较，计算预测模型的均方根误差来评价模型的性能。结果表明：采用PSO优化的 LSSVM预测模型的预测精度更高。
結閤相空間重構理論，提齣運用最小二乘支持嚮量機（LSSVM）建立混沌時間序列的預測模型，併用粒子群優化（PSO）解決 LSSVM參數尋優的問題。通過與 RBF神經網絡構建的預測模型相比較，計算預測模型的均方根誤差來評價模型的性能。結果錶明：採用PSO優化的 LSSVM預測模型的預測精度更高。
결합상공간중구이론，제출운용최소이승지지향량궤（LSSVM）건립혼돈시간서렬적예측모형，병용입자군우화（PSO）해결 LSSVM삼수심우적문제。통과여 RBF신경망락구건적예측모형상비교，계산예측모형적균방근오차래평개모형적성능。결과표명：채용PSO우화적 LSSVM예측모형적예측정도경고。
Based on the phase space reconstruction theory,prediction model of chaotic time series using least squares support vector machine (LSSVM)was presented in this paper,and particle swarm optimization (PSO)was used to solve the LSSVM parameter optimization problems.By comparing with the established prediction model of RBF neural net-work,the root mean square error of the prediction model was calculated to evaluate the performance of the model.The re-sults show that the PSO optimized LSSVM prediction model has higher prediction accuracy.
