多任务LS-SVM在时间序列预测中的应用

• 作者: 庞宇松 贾松达 阎高伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 时间序列预测 多任务学习 最小二乘支持向量机 相关性
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 工程与应用
• 页码范围: 233-237
• 页数: 5页
• 分类号: TP391
• 字数: 3805字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1608-0423

摘要

针对单任务时间序列中存在的信息挖掘不充分、预测精度低等问题,提出了一种基于多任务最小二乘支持向量机(MTLS-SVM)的时间序列预测方法.该方法将多个时间序列任务同时进行学习,使得在训练过程中任务之间能够相互牵制起到归纳偏置作用,最终有效提高模型的预测精度.首先,利用相邻时间点之间的密切相关性,构造多个相邻时间点的学习任务,然后将每个任务对应的数据集同时训练MTLS-SVM模型并将其用于预测.将该方法用于几个时间序列数据集并与单任务LS-SVM方法相比,实验结果表明该方法具有较高的预测精度,验证了方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎高伟	太原理工大学信息工程学院	58	223	8.0	12.0
2	贾松达	太原理工大学信息工程学院	2	8	1.0	2.0
3	庞宇松	太原理工大学信息工程学院	3	11	2.0	3.0