【摘要】针对于与多维数据属性特征强关联的目标值预测,提出了一种新的预测方法。不同时间节点的多维属性数据特征具有维数高的特点,文章将多维属性数据转化为特征向量的直方图分布,通过推土机距离的两两特征向量的相似性测量,将其转化为模式识别分类问题。进而以首位时间节点为基期,建立各节点的差异性时间序列以代替原高维属性面板数据,最后利用支持向量回归机对目标值拟合预测。实验结果表明,该方法能够有效地对原高维数据进行冗余整合,所建立的新差异性时间序列能够较为完整地表现原数据特征,实现目标向量的预测。