改进GP分形理论的最近邻序列预测算法

针对现有的时间序列分析和预测算法中主观性太强的缺点,借助分形理论对时间序列作有效的分析。改进了分形理论中的GP算法和复自相关法的计算方式,从而使之更适合相空间的重构和预测,然后在重构后的相空间中选择累积采样轨迹的最近邻点作一次性的序列预测。提出的算法避免了人工过多的干预调整,通过在两个具体时间序列数据集上的验证,与其他预测算法相比,该算法的分析结果稳定而准确、预测精度高、运行时间比较短。