辽宁省自然科学基金(20042015)
- 作品数：3 被引量：18H指数：2
- 相关作者：乔建忠王国仁林树宽杨玫董俊更多>>
- 相关机构：东北大学更多>>
- 发文基金：辽宁省自然科学基金沈阳市自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于组合SVR的非平稳时间序列的模糊建模方法被引量：1
- 2006年
- 本文介绍一种对非平稳时间序列建模的新方法.参考Janos Abonyi提出的应用于时间序列的模糊分块算法,将该算法与改进的支持向量回归模型结合起来.首先,提出一种改进的支持向量回归的表达形式;然后,通过启发式的加权方法将模糊分块的信息与SVR结合起来;最后,提出一种基于组合SVR的建模方法.实验结果表明,本文提出的方法对于非平稳时间序列的建模具有较高的实用价值.
- 林树宽支力佳张少敏乔建忠王国仁于戈
- 基于核方法的非线性时间序列预测建模被引量：4
- 2007年
- 提出了一种基于核的非线性时间序列预测建模方法。对非线性时间序列的相空间进行重构以确定其嵌入维数,并提出一种基于核主成分分析的非线性时间序列相空间重构方法,针对时间序列的时序特征,采用一种加权的支持向量回归模型对时间序列预测建模。在不同基准数据集上的实验结果表明,与通常的基于普通支持向量回归的建模方法相比,该文所提出的预测建模方法具有较高的精度,说明所提方法对非线性时间序列的预测建模是有效的。
- 林树宽乔建忠王国仁郑刚董俊
- 关键词：核主成分分析支持向量回归相空间重构
- 一种非线性非平稳时间序列预测建模方法被引量：13
- 2007年
- 提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.
- 林树宽杨玫乔建忠王国仁
- 关键词：经验模式分解支持向量回归
