基于时变PSO-SVM的混沌时间序列连续预报

• 作者: 周国军 周波
• 来源期刊: 系统仿真学报
• 学科: 工学
• 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
• 年，卷（期）: 2010,（8）
• 页码范围: 1905-1907
• 分类号: TP183|TP301.6
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周波	大连舰艇学院基础部	8	12	2.0	2.0
2	周国军	大连舰艇学院基础部	3	2	1.0	1.0