基于在线LS-SVM算法的变参数混沌时间序列预测

• 作者: 王杰 王永生 肖支才
• 来源期刊: 航空计算技术
• 关键词: 混沌 时间序列 预测 最小二乘支持向量机 变参数系统
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 计算方法
• 页码范围: 29-33,37
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1671-654X.2010.03.008

摘要

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列.变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tankens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题.最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少.提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列.对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	海军航空工程学院训练部	35	210	8.0	12.0
2	王永生	海军航空工程学院兵器科学与技术系	37	276	9.0	15.0
3	肖支才	海军航空工程学院控制工程系	51	241	7.0	13.0