加权极限学习机的多变量时间序列预测方法

• 作者: 叶秋生 陈晓云
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 加权极限学习机 多变量时间序列 预测 kN近邻密度估计
• 年，卷（期）: 2016,（3）
• 页码范围: 437-442
• 页数: 6页
• 分类号: TP311
• 字数: 3660字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.2016.03.0437

摘要

提出一种基于样本分布的极限学习机预测模型WELMSD.该模型先用kN近邻密度估计方法估计出样本的密度值,再用估计出的密度值给传统ELM的经验风险项加权,克服传统ELM在对时间序列进行预测时忽略样本分布的缺点.基于Rossler混沌时间序列和上证、深证股票数据的实验仿真结果证明了所提算法的有效性,且当近邻参数kN取值较小时,所提模型对参数不敏感,是一种更优的多变量时间序列预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晓云	福州大学数学与计算机科学学院	76	590	13.0	21.0
2	叶秋生	福州大学数学与计算机科学学院	1	0	0.0	0.0