基于支持向量機(jī)的混沌時(shí)間序列預(yù)測.pdf

1、時(shí)間序列預(yù)測是預(yù)測領(lǐng)域內(nèi)的一個(gè)重要研究方向。它是一種根據(jù)歷史數(shù)據(jù)構(gòu)造時(shí)間序列模型,再把模型外推來預(yù)測未來的一種方法。近年來,由于變形監(jiān)測中新技術(shù)的不斷應(yīng)用,導(dǎo)致累計(jì)資料多、數(shù)量大。如何及時(shí)有效地對(duì)變形數(shù)據(jù)進(jìn)行預(yù)測,具有重要的理論意義和實(shí)用價(jià)值。由于變形監(jiān)測數(shù)據(jù)所具有的混沌性,使傳統(tǒng)的統(tǒng)計(jì)分析方法對(duì)數(shù)據(jù)處理效果可能欠佳,需要尋找新的相關(guān)數(shù)據(jù)處理方法。而支持向量機(jī)(Support Vector Machine,SVM)具有優(yōu)良的非線性特性,

2、非常適合于混沌時(shí)間序列數(shù)據(jù)的分析與處理。
　　 本文對(duì)基于支持向量機(jī)的混沌時(shí)間序列預(yù)測進(jìn)行一些探討性研究,主要內(nèi)容包括：運(yùn)用支持向量機(jī)建立混沌時(shí)間序列預(yù)測模型,研究影響模型預(yù)測精度的相關(guān)參數(shù)。在分析參數(shù)對(duì)時(shí)間序列預(yù)測精度的影響基礎(chǔ)上,分別采用遺傳算法和蟻群算法優(yōu)化預(yù)測模型參數(shù),從而獲取最優(yōu)參數(shù)。通過對(duì)地震時(shí)間序列的預(yù)測,表明改進(jìn)后的方法具有很好的預(yù)測能力,為預(yù)測模型的參數(shù)選取提供了一種新的思路。通過實(shí)驗(yàn)可以看出,由于蟻群算法在開

3、始搜索時(shí),不需要先驗(yàn)信息,算法更加方便,全局搜索能力更強(qiáng),收斂更快。為了解決SVM算法復(fù)雜度的問題,討論了用LS-SVM(最小二乘支持向量機(jī))替代SVM進(jìn)行時(shí)間序列預(yù)測。LS-SVM作為SVM的一種改進(jìn)算法,根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則(SRM),綜合考慮正則化項(xiàng)和擬合誤差的平方和,將傳統(tǒng)支持向量機(jī)中的不等式約束改為等式約束,將SVM算法的解凸二次規(guī)劃問題轉(zhuǎn)化成為線性方程組的求解問題,大大提高了算法的效率。通過對(duì)地震變形監(jiān)測數(shù)據(jù)的預(yù)測,證實(shí)了