基于独立成分分析的含噪声时间序列预测

摘要：

提出一种基于独立成分分析(ICA)的最小二乘支持向量机(LS-SVM),用于时间序列的多步超前独立预测.用ICA估计预测变量中的独立成分(IC),用不含噪声的IC重新构建时间序列.利用??-最近邻法(??-NN)减小训练集的规模,提出一种新的距离函数以降低LS-SVM训练过程的计算复杂度,并用约束条件对预测值进行后处理.使用基于ICA的LS-SVM、普通LS-SVM与反向传播神经网络(BP-ANN),对多个时间序列进行对比预测实验.实验结果表明,基于ICA的LS-SVM的预测性能优于普通LS-SVM和BP-ANN.

关键词：独立成分分析、时间序列预测、??-最近邻法、最小二乘支持向量机

分类号：TP273(自动化技术及设备)

在线出版日期：2013-05-06（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：501-505