基于LS-SVM的時(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究.pdf

1、時(shí)間序列預(yù)測(cè)方法一直是國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)問(wèn)題，隨著在眾多應(yīng)用領(lǐng)域中對(duì)預(yù)測(cè)效率要求的提高，研究時(shí)間序列快速預(yù)測(cè)方法顯得尤為重要。LS-SVM（ Least Square Support Vector Machine）作為SVM（ Support Vector Machine）的一種改進(jìn)算法，具有模型簡(jiǎn)單、訓(xùn)練效率高、學(xué)習(xí)能力強(qiáng)等優(yōu)點(diǎn)，將其用于時(shí)間序列快速預(yù)測(cè)領(lǐng)域具有良好的應(yīng)用前景。因此，本文將主要開(kāi)展基于LS-SVM的時(shí)間序列預(yù)測(cè)方法及

2、其應(yīng)用研究的工作。
　　首先，本文主要研究LS-SVM算法的基本原理及基于其實(shí)現(xiàn)時(shí)間序列預(yù)測(cè)的方法。針對(duì)超參數(shù)選擇困難的問(wèn)題，采用多級(jí)網(wǎng)格搜索和遺傳算法的方法對(duì)超參數(shù)的取值進(jìn)行優(yōu)化。其次，研究基于LS-SVM實(shí)現(xiàn)時(shí)間序列預(yù)測(cè)的輸入向量構(gòu)造方法。以具有一定周期性的時(shí)間序列為研究對(duì)象，提出基于功率譜分析的輸入向量構(gòu)造方法，實(shí)現(xiàn)較為精確的單步預(yù)測(cè)。針對(duì)連續(xù)選取樣本點(diǎn)構(gòu)造輸入向量導(dǎo)致多步預(yù)測(cè)精度下降的問(wèn)題，提出基于自相關(guān)分析的輸入向量構(gòu)造

3、方法，在有限維的輸入向量中包含盡量多相關(guān)的歷史信息，實(shí)現(xiàn)精確的多步預(yù)測(cè)。最后，將基于LS-SVM的時(shí)間序列預(yù)測(cè)方法應(yīng)用于移動(dòng)通信話務(wù)量預(yù)測(cè)領(lǐng)域，實(shí)現(xiàn)話務(wù)量的實(shí)時(shí)、在線、多步預(yù)測(cè)。進(jìn)而針對(duì)節(jié)假日話務(wù)量變化的特殊性，提出基于LS-SVM和歷史相似性的組合預(yù)測(cè)方法。最終，為中國(guó)移動(dòng)黑龍江分公司開(kāi)發(fā)基于LS-SVM的移動(dòng)通信話務(wù)量預(yù)測(cè)軟件包。
　　文中大量的實(shí)驗(yàn)結(jié)果表明，與其它方法相比，LS-SVM方法可以在保證預(yù)測(cè)精度的條件下，提高建模