基于支持向量機的時間序列預測研究.pdf

1、作為一種新的機器學習方法，支持向量機算法建立在嚴謹?shù)慕y(tǒng)計學理論基礎上，在模式識別和函數(shù)回歸方面都有不俗的表現(xiàn)。支持向量機算法從上個世紀90年代初提出到現(xiàn)在短短十多年的時間得到了長足的發(fā)展，并繼續(xù)得到國內(nèi)外學者的廣泛關注。 支持向量回歸是建立在結(jié)構(gòu)風險最小化原則的基礎上，它既考慮了訓練樣本的擬合性又考慮了訓練樣本的復雜性，具有較好的擬合效果。但模型中的參數(shù)選擇是很重要的，它將直接影響到它的泛化效果。目前還沒有通用的參數(shù)選擇方法，本

2、文在對現(xiàn)有的支持向量機參數(shù)選擇方法進行研究的基礎上，提出基于蟻群算法的支持向量回歸算法的參數(shù)選擇方法，蟻群算法作為一種全局式概率選擇算法，通過創(chuàng)建一個有限規(guī)模的人工蟻群體，螞蟻間相互協(xié)作搜尋問題的最優(yōu)解。然后，將優(yōu)選參數(shù)后的支持向量回歸算法應用于時間序列預測中，以國家糧食產(chǎn)量預測為例建立預測模型，并進行模型的學習訓練與預測。最后，對預測結(jié)果做相應分析與比較表明，應用了基于蟻群算法的支持向量回歸算法的參數(shù)選擇方法后，模型預測精度有所提高。