基于支持向量回归神经网络的时间序列预测

摘要：

为了选择神经网络的最好结构以及增强模型的推广能力,提出一种自适应支持向量回归神经网络(SVR-NN).SVR-NN用支持向量回归(SVR)方法获得网络的初始结构和权值,自适应地生成网络隐层结点,然后用基于退火过程的鲁棒学习算法更新网络结点参数和权值. SVR-NN有很好的收敛性和鲁棒性,能抑制由于数据异常和参数选择不当所导致的"过拟合"现象.将SVR-NN应用到时间序列预测上.结果表明,SVR-NN预测模型能精确地预测混沌时间序列,具有很好的理论和应用价值.

关键词：支持向量回归、神经网络、鲁棒学习算法、时间序列、预测

所属期刊栏目：20

分类号：TP183(自动化基础理论)

资助基金：甘肃省自然科学基金;兰州交通大学青蓝人才工程基金资助计划

在线出版日期：2008-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：4025-4030