|
|||||
|
|
| 支持向量机方法应用于理想时间序列的预测研究 | |
| 引用本文： | 毛宇清,王咏青,王革丽.支持向量机方法应用于理想时间序列的预测研究[J].气候与环境研究,2007,12(5):676-682. |
| 作者姓名： | 毛宇清 王咏青 王革丽 |
| 作者单位： | 1. 中国科学院大气物理研究所中层大气与全球环境探测开放实验室,北京,100029;南京信息工程大学大气科学学院,南京,210044 2. 南京信息工程大学大气科学学院,南京,210044 3. 中国科学院大气物理研究所中层大气与全球环境探测开放实验室,北京,100029 |
| 摘 要： | 简要介绍了基于统计学习理论的支持向量机方法的基本思想和原理,利用该方法对33模Lorenz系统的理想混沌时间序列建立预测模型,并对在此基础上产生的非平稳时间序列进行预测试验研究。结果表明,支持向量机方法不仅对平稳过程有较好的预报能力,也可以适用于非平稳过程,对实际序列的预测有一定的启发意义。 |
| 关 键 词： | 支持向量机 非平稳时间序列 预测建模 |
| 文章编号： | 1006-9585（2007）05-0676-07 |
| 收稿时间： | 2006-10-08 |
| 修稿时间： | 2007-07-11 |
An Application Study on Prediction and Analysis for Ideal Time Series Based on the SVM Method |
|
| MAO Yu-Qing,WANG Yong-Qing and WANG Ge-Li.An Application Study on Prediction and Analysis for Ideal Time Series Based on the SVM Method[J].Climatic and Environmental Research,2007,12(5):676-682. | |
| Authors: | MAO Yu-Qing WANG Yong-Qing and WANG Ge-Li |
| Abstract: | The support vector machine (SVM) regression principle and basic ideas based on the statistical learning theory are introduced.This method is used to build forecasting models on the ideal time series from 33-mode Lorenz system,and especially the prediction on nonstationary time series are tested and analyzed.It is shown that the SVM method is available for both stationary series and nonstationary ones,and the results are developmental to prediction of real data. |
| Keywords: | support vector machine nonstationary time series forecast model |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《气候与环境研究》浏览原始摘要信息 | |
| 点击此处可从《气候与环境研究》下载免费的PDF全文 | |