基于ELM改进层集成架构的时间序列预测

摘要：

为进一步提高时间序列预测模型的预测精度和时间效率,提出一种基于极限学习机的层集成网络结构.以极限学习机网络作为基学习器,构成两层集成网络,每层网络在构建时利用先分类,再从类中选优的思想同时考虑基学习器的准确性与多样性,其中第一层用以优化参数,第二层实现预测.对比实验结果表明,与基于多层感知器的层集成网络相比,该模型在提高预测准确度的同时将学习用时缩短了1-2个数量级.

关键词：时间序列预测、极限学习机、集成学习、聚类、自助采样

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：中国移动通信集团新疆有限公司研究发展基金项目XTM2013-2788

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1915-1921