基于信息粒化的SVM混沌時(shí)間序列預(yù)測(cè)算法及應(yīng)用.pdf

1、時(shí)間序列預(yù)測(cè)一直以來(lái)都是預(yù)測(cè)領(lǐng)域內(nèi)的一個(gè)重要得研究方向,由于監(jiān)測(cè)的新技術(shù)的不斷應(yīng)用,導(dǎo)致累計(jì)數(shù)據(jù)越來(lái)越多、數(shù)量極其大。如何有效地利用這些數(shù)據(jù),找出其中的規(guī)律,進(jìn)而對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè),具有非常重要的實(shí)用價(jià)值和理論意義。
　　由于生活中很多數(shù)據(jù)所具有混沌性,傳統(tǒng)的統(tǒng)計(jì)分析方法在數(shù)據(jù)處理的應(yīng)用上效果欠佳,尋找新的相關(guān)數(shù)據(jù)的處理方法成為新的熱點(diǎn)。支持向量機(jī)由于其優(yōu)良的非線性特性,非常適用于混沌時(shí)間序列數(shù)據(jù)的分析與處理,在諸如水文、氣象、交通等

2、很多領(lǐng)域得到了廣泛的應(yīng)用。支持向量機(jī)的優(yōu)勢(shì)在于處理小樣本數(shù)據(jù),而目前大多數(shù)的混沌時(shí)間序列都具有龐大的數(shù)據(jù)樣本。信息?；夹g(shù)具有將大數(shù)據(jù)樣本轉(zhuǎn)化成較小數(shù)據(jù)樣本,且能使該小數(shù)據(jù)樣本保持原樣本數(shù)據(jù)特性的能力,因此針對(duì)支持向量機(jī)在大樣本數(shù)據(jù)預(yù)測(cè)的局限性,本文將信息粒化技術(shù)引入支持向量機(jī)的混沌時(shí)間序列預(yù)測(cè)中,提出了一種基于信息?；闹С窒蛄繖C(jī)預(yù)測(cè)模型。該模型將混沌時(shí)間序列重構(gòu)及?；?然后訓(xùn)練支持向量機(jī)模型進(jìn)行預(yù)測(cè)。將該預(yù)測(cè)方法應(yīng)用到3個(gè)典型的非線