基于組合核機(jī)器學(xué)習(xí)的混沌時(shí)間序列預(yù)測算法研究.pdf

1、隨著混沌理論和混沌應(yīng)用技術(shù)的不斷發(fā)展，混沌時(shí)間序列的分析與預(yù)測已經(jīng)成為混沌信號研究領(lǐng)域的熱點(diǎn)。混沌應(yīng)用技術(shù)的發(fā)展涉及諸多領(lǐng)域，包括：聲學(xué)、光學(xué)、化學(xué)、水文學(xué)、地震混沌特性、天氣預(yù)報(bào)的“蝴蝶效應(yīng)”、以及股票市場的混沌特性等。
　　目前，混沌時(shí)間序列預(yù)測的方法主要有：全域法、局域法、基于最大Lyapunov指數(shù)法、非線性自適應(yīng)濾波法和基于核機(jī)器學(xué)習(xí)方法等。在基于核機(jī)器學(xué)習(xí)算法中，支持向量機(jī)(Support Vector Machine

2、，SVM)和相關(guān)向量機(jī)(Relevance Vector Machine，RVM)由于魯棒性好，泛化性能強(qiáng)，收斂速度快，預(yù)測精度高，受到了國內(nèi)外學(xué)者廣泛關(guān)注。
　　在SVM和RVM中，單核函數(shù)由于自身存在的一些性質(zhì)，導(dǎo)致其不可能同時(shí)具有良好的泛化能力和學(xué)習(xí)能力，從而影響預(yù)測精度。本文利用全局核函數(shù)和局部核函數(shù)線性組合的方法構(gòu)造組合核函數(shù)，使其結(jié)合二者的優(yōu)點(diǎn)，同時(shí)獲得較好的泛化能力和學(xué)習(xí)能力。將該組合核函數(shù)運(yùn)用于SVM和RVM對典型