基于支持向量回归的多时间序列自回归方法

• 作者: 丁毅 史德明 张伟 柳先辉
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 能耗 多时间序列 向量值函数学习 多任务学习 自回归方法 支持向量回归
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2508-2511,2519
• 分类号: TP181
• 字数: 4644字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.02508

摘要

能耗时间序列涉及多种能源,且各种能源间关系复杂,主要通过多个独立的单时间序列进行预报,这种方式忽略了多时间序列之间的依赖性.为了充分利用多时间序列之间的关联信息以提高预报的准确性,根据机器学习中的向量值函数学习和多任务学习理论,采用支持向量回归(SVR)算法建立了多时间序列的向量值自回归方法和多任务自回归方法.实验结果证明,与多个独立的单时间序列模型相比,通过这种方法建立的多时间序列自回归模型在焦化工序能耗预报中表现出了更好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史德明	马鞍山钢铁股份有限公司能源与环境保护部	13	56	4.0	7.0
2	张伟	同济大学电子与信息工程学院	73	444	12.0	19.0
3	柳先辉	同济大学电子与信息工程学院	21	89	6.0	9.0
4	丁毅	马鞍山钢铁股份有限公司能源与环境保护部	18	45	4.0	6.0