基于PSO优化的LS-SVM的混沌时间序列预测 |
| |
引用本文: | 陈旭,刘延泉,葛建宏.基于PSO优化的LS-SVM的混沌时间序列预测[J].仪器仪表用户,2009,16(1):135-136. |
| |
作者姓名: | 陈旭 刘延泉 葛建宏 |
| |
作者单位: | 华北电力大学,控制科学与工程学院,保定,071003 |
| |
摘 要: | 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。
|
关 键 词: | 混沌时间序列 支持向量机 LS—SVM PSO |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|