论文部分内容阅读
本文主要研究v支持向量机方法在非线性时间序列预测中的应用。主要内容包括：分析选取不同参数对网络预测性能的影响，为了选取较好的参数，提出了大间隔参数选择方法，能快速的选择相应模型的最优参数；接下来采用了混合核函数以弥补单个核函数的缺点；然后又提出了分解合作线性规划v支持向量回归机，克服了随着样本数增大训练速度大幅下降的缺点。应用上述方法来预测Mackey．Glass方程和Lorenz方程产生的时间序列，均取得了很好的效果。
另外，还对本人硕士阶段的第一个工作即运用LS-SVM进行非线性时间序列预测作了介绍，主要包括单步离线预测、不同核函数的比较、支持向量选取的讨论、多步预测等，均取得了较好的效果。说明了支持向量机是一种优秀的小样本学习方法。