基于支持向量回归神经网络的时间序列预测

• 作者: ZHAO Feng 李军
• 来源期刊: 系统仿真学报
• 学科: 工学
• 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
• 年，卷（期）: 2008,（15）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 4025-4030
• 页数: 6页
• 分类号: TP183
• 字数: 5423字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	兰州交通大学自动化与电气工程学院	70	490	13.0	19.0
2	ZHAO Feng	兰州交通大学自动化与电气工程学院	1	18	1.0	1.0