基于特征選擇的多因素時(shí)間序列預(yù)測模型研究.pdf

1、自然和社會(huì)經(jīng)濟(jì)現(xiàn)象中存在大量的非線性、高維特征的復(fù)雜時(shí)間序列，這些時(shí)間序列預(yù)測作為認(rèn)識(shí)和決策的依據(jù)，具有重要的現(xiàn)實(shí)意義。近年來，隨著社會(huì)各領(lǐng)域相互滲透和影響，導(dǎo)致自然、社會(huì)經(jīng)濟(jì)領(lǐng)域的多因素時(shí)間序列的維數(shù)激增。然而，傳統(tǒng)的統(tǒng)計(jì)分析方法在處理非線性問題時(shí)存在很多缺陷，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法在處理高維特征的時(shí)間序列時(shí)效率和效果都不理想，原因是高維特征的時(shí)間序列中隱含了大量的不相關(guān)和冗余信息，降低了神經(jīng)網(wǎng)絡(luò)的分析精度和效率。因此對(duì)高維特征的時(shí)間序列

2、進(jìn)行特征選擇是非常必要的。本文將特征選擇和RBF神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測結(jié)合起來，提出基于PRN的組合特征選擇算法的多因素時(shí)間序列預(yù)測模型，以提高預(yù)測的效率、精度和泛化能力。 本文主要工作如下： （1）研究了公認(rèn)較好的特征評(píng)估Relief算法，分析了它的不足，提出了改進(jìn)的用縱橫雙向壓縮冗余數(shù)據(jù)和與學(xué)習(xí)算法結(jié)合的組合特征選擇算法。分析了該組合特征選擇算法分別在分類和回歸問題中的使用。 （2）分析了多因素時(shí)間序列數(shù)據(jù)的特