近似非齐次指数序列预测的新融合模型构建
2016-05-18分类号:F224
【部门】长江大学信息与数学学院
【摘要】DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型。该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性。实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度。
【关键词】DDGM(1 1) LS-SVM 时间序列预测 机器学习 近似非齐次指数序列
【基金】湖北省自然科学基金资助项目(2013CFA053);; 长江大学数学与应用数学研究所开放基金项目(KF1506;KF1508);长江大学基础学科研究发展基金资助项目(2014JCY002)
【所属期刊栏目】统计与决策
文献传递