混沌时间序列的LSSVM预测方法

摘要：

结合相空间重构理论，提出运用最小二乘支持向量机（LSSVM）建立混沌时间序列的预测模型，并用粒子群优化（PSO）解决 LSSVM参数寻优的问题。通过与 RBF神经网络构建的预测模型相比较，计算预测模型的均方根误差来评价模型的性能。结果表明：采用PSO优化的 LSSVM预测模型的预测精度更高。

关键词：混沌时间序列、相空间重构、最小二乘支持向量机、粒子群优化、预测模型

分类号：TP216.1(自动化技术及设备)

资助基金：福建省自然科学基金资助项目2011J01350；中央高校基本科研业务费资助项目JB-ZR1107

在线出版日期：2014-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：373-377