原文服务方: 航空计算技术       
摘要:
时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面.目前提出的预测模型大多基于“原始时间序列是无噪的”这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪.利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果.实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度.
推荐文章
支持向量机在时间序列预测中的应用
支持向量机
BP神经网络
时间序列预测
基于支持向量机的害虫多维时间序列预测
多维时间序列
支持向量机
害虫预测
非线性
基于时间序列的支持向量机在股票预测中的应用
支持向量机(SVM)
时间序列
股票预测
基于小波分解和支持向量机的网络流量组合预测
网络流量
小波分解
支持向量机
粒子群算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波分析与支持向量机的时间序列预测
来源期刊 航空计算技术 学科
关键词 小波分析 多尺度分解 去噪 支持向量机 时间序列预测
年,卷(期) 2011,(6) 所属期刊栏目 计算方法
研究方向 页码范围 49-52,57
页数 分类号 TP18
字数 语种 中文
DOI 10.3969/j.issn.1671-654X.2011.06.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马捷中 西北工业大学计算机学院 54 475 13.0 19.0
2 任岚昆 西北工业大学软件与微电子学院 4 36 3.0 4.0
3 肖凡 西北工业大学计算机学院 2 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (33)
共引文献  (170)
参考文献  (5)
节点文献
引证文献  (3)
同被引文献  (7)
二级引证文献  (2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(6)
  • 参考文献(2)
  • 二级参考文献(4)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
小波分析
多尺度分解
去噪
支持向量机
时间序列预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
航空计算技术
双月刊
1671-654X
61-1276/TP
大16开
西安市太白北路156号
1971-01-01
中文
出版文献量(篇)
3899
总下载数(次)
0
论文1v1指导