| 基于独立成分分析的含噪声时间序列预测 |
| |
| 作者姓名： | 杨臻明 岳继光 王晓保 萧蕴诗 |
| |
| 作者单位： | 1. 同济大学电子与信息工程学院,上海201804
2. 上海申通轨道交通研究咨询有限公司,上海201103 |
| |
| 基金项目： | 国家自然科学基金：基于供应链低碳化的企业行为与运营优化决策研究 |
| |
| 摘 要： | 提出一种基于独立成分分析(ICA)的最小二乘支持向量机(LS-SVM),用于时间序列的多步超前独立预测.用ICA估计预测变量中的独立成分(IC),用不含噪声的IC重新构建时间序列.利用 -最近邻法( -NN)减小训练集的规模,提出一种新的距离函数以降低LS-SVM训练过程的计算复杂度,并用约束条件对预测值进行后处理.使用基于ICA的LS-SVM、普通LS-SVM与反向传播神经网络(BP-ANN),对多个时间序列进行对比预测实验.实验结果表明,基于ICA的LS-SVM的预测性能优于普通LS-SVM和BP-ANN.
|
| 关 键 词： | 独立成分分析 时间序列预测 -最近邻法 最小二乘支持向量机 |
| 收稿时间： | 2011-12-12 |
| 修稿时间： | 2012-02-21 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
