支持向量机在股市预测中的应用

介绍了回归问题与支持向量机及其股市预测的研究现状,提出了采用支持向量机的股票预测方法,通过实验证明了该方法的有效性.     

一种新的氧化铝质量分数建模与控制策略

针对氧化铝质量分数的建模与控制问题,提出一种新的基于最小二乘支持向量机(LS-SVM)和预测控制的建模与控制策略。首先,针对LS-SVM建模时的参数选取问题,提出一种基于混沌优化的CHAOS LS-SVM算法获得最优氧化铝质量分数预测模型。然后,提出一种基于LS-SVM的氧化铝质量分数预测控制算法,采用混沌优化在线求解最优控制律。仿真结果表明:CHAOS LS-SVM算法建立的氧化铝质量分数预测模型,其泛化能力要比基于神经网络(NN)的氧化铝质量分数预测模型的强;基于LS-SVM的氧化铝质量分数预测控制算法,其控制精度要比基于NN的氧化铝质量分数预测控制算法的高。     

遗传算法及其仿真

介绍了遗传算法的基本概念,并提出了一种基于MATLAB遗传算法与直接搜索工具箱的遗传算法仿真方法.仿真实验证明,该方法是简单、实用、高效的.     

变论域模糊控制器的万能逼近性及其逼近条件

通过一组非线性伸缩因子实时地调节论域,变论域模糊控制器显著减少初始规则的数量,在期望控制点有效地提高控制精度。首先,证明这类模糊控制器的逼近误差具有收敛性,从而证明它在整个时域上是一种万能逼近器,即它能以任意精度逼近紧集上的任意非线性实函数;并指出它是一种二阶精度的逼近器;在预定精度条件下,给出它作为逼近器的充分条件。最后,通过1个数值实例验证变论域模糊控制器逼近非线性函数的实际效果。研究结果表明:逼近精度完全满足给定的要求,相对常规模糊控制器,变论域模糊控制器的逼近精度提高87.4%。     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.