计算机应用与软件
計算機應用與軟件
계산궤응용여연건
Computer Applications and Software
2015年
11期
154-156,280
,共4页
多变量时间序列数据%预测%Granger因果关系%滞后观测期%支持向量回归
多變量時間序列數據%預測%Granger因果關繫%滯後觀測期%支持嚮量迴歸
다변량시간서렬수거%예측%Granger인과관계%체후관측기%지지향량회귀
Multivariate time series data%Prediction%Granger causality%Lagged observations%Support vector regression
时间序列数据包含内在的时序结构,而传统的针对多变量时间序列的预测方法没有考虑变量序列的历史观察值的影响.为此,提出一种基于Granger因果关系挖掘的多变量时间序列预测模型.通过选择有效的因变量并加入其滞后观测期来提高支持向量回归对目标序列的预测,同时也提供了较好的因果解释性.理论推导和实验结果表明,该方法不仅能获得比传统方法更精确的预测效果,而且减少了参与运算的变量时间序列.
時間序列數據包含內在的時序結構,而傳統的針對多變量時間序列的預測方法沒有攷慮變量序列的歷史觀察值的影響.為此,提齣一種基于Granger因果關繫挖掘的多變量時間序列預測模型.通過選擇有效的因變量併加入其滯後觀測期來提高支持嚮量迴歸對目標序列的預測,同時也提供瞭較好的因果解釋性.理論推導和實驗結果錶明,該方法不僅能穫得比傳統方法更精確的預測效果,而且減少瞭參與運算的變量時間序列.
시간서렬수거포함내재적시서결구,이전통적침대다변량시간서렬적예측방법몰유고필변량서렬적역사관찰치적영향.위차,제출일충기우Granger인과관계알굴적다변량시간서렬예측모형.통과선택유효적인변량병가입기체후관측기래제고지지향량회귀대목표서렬적예측,동시야제공료교호적인과해석성.이론추도화실험결과표명,해방법불부능획득비전통방법경정학적예측효과,이차감소료삼여운산적변량시간서렬.
