首页 | 本学科首页   官方微博 | 高级检索  
     

基于时变PSO-SVM的混沌时间序列连续预报
引用本文:周波,周国军. 基于时变PSO-SVM的混沌时间序列连续预报[J]. 系统仿真学报, 2010, 22(8)
作者姓名:周波  周国军
作者单位:大连舰艇学院基础部,大连,116018
摘    要:针对粒子群优化(PSO)算法中适应度函数不可变的问题,提出一种改进时变PSO算法(TVPSO),其适应度函数可变,利用TVPSO对最小二乘支持向量机(LSSVM)的参数进行优化,避免了人为选择参教的盲目性,提高了预测模型的在线预测能力.建立基于TVPSO-LSSVM的连续预报模型,充分利用LSSVM的结构风险最小化与TVPSO粒子群算法全局、时变的特性,对非线性较强的混沌时间序列进行连续预报.仿真结果表明,该法运算速度快,适用于在线预报.

关 键 词:时变粒子群优化  支持向量机  混沌序列时间序列  连续预报

Chaos Time Series Continuous Forecasting Based on LSSVM and Time Variant Particle Swarm Optimization
ZHOU Bo,ZHOU Guo-jun. Chaos Time Series Continuous Forecasting Based on LSSVM and Time Variant Particle Swarm Optimization[J]. Journal of System Simulation, 2010, 22(8)
Authors:ZHOU Bo  ZHOU Guo-jun
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号