基于PSO优化的LS-SVM的混沌时间序列预测

在非线性混沌动力学的发展中，混沌时间序列预测已成为一个非常重要的研究方向。最小二乘支持向量机（LS-SVM）是标准支持向量机的再形成形式，包含了分类、回归、预测等多种算法。微粒群优化（PSO）是当今智能寻优算法中较为简单快速的算法。运用PSO算法可以很好地解决LS—SVM的参数优化问题。针对以上问题。提出了基于PSO优化的LS—SVM预测方法。并对混沌时间序列预测进行了仿真。仿真结果证明了该算法的有效性。