基于在线小波支持向量回归的混沌时间序列预测

摘要：

混沌时间序列预测是非线性动力学研究中一个十分重要的问题,支持向量回归方法为其提供了一种有效的解决思路.通过分析新样本加入训练集后支持向量集的变化情况,建立了一种混沌时间序列预测的支持向量回归算法,具备了在线学习的特点.同时,针对混沌信号提出了一种满足小波框架的小波核函数,它不但能以较高的精度逼近任意函数,而且适合于混沌信号的局部分析,提高了支持向量回归的泛化能力.最后就Mackey-Glass混沌时间序列在线预测问题进行了大量仿真.结果表明,本文算法与现有的算法相比具有训练时间短、预测精度高等特点,有一定的理论及实用价值.

关键词：混沌时间序列、支持向量回归、在线学习、小波核

所属期刊栏目：55

分类号：O4(物理学)

资助基金：国家科技攻关项目2003AA721070

在线出版日期：2006-05-23（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：1659-1665