基于奇异值分解的极限学习机多变量时间序列预测模型

• 作者: 梁小春 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: 多变量时间序列 预测模型 极限学习机 奇异值分解
• 年，卷（期）: 2017,（1）
• 页码范围: 37-43
• 页数: 7页
• 分类号: TP311|TP391
• 字数: 5208字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.2017.01.0037

摘要

在极限学习机预测多变量时间序列研究中,针对以往将矩阵转换成向量作为模型输入,从而影响预测精度的问题,结合奇异值分解思想,提出一种直接以矩阵作为输入的多变量时间序列极限学习机预测型SVDELM.由Rossler、Chen's、Lorentz和股票多变量时间序列的实验结果表明,SVDELM是一种有效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	梁小春	福州大学数学与计算机科学学院	4	18	3.0	4.0