基于支持向量机的混沌时间序列预测

作者：向昌盛; 周子英

来源：吉首大学学报(自然科学版), 2009, (06): 35-39.

• 混沌时间序列
• 相空间重构
• 支持向量机
• 均方误差 chaotic time series
• phase space reconstruction
• support vector machine
• mean square error

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种具有很好泛化性能的回归方法.针对混沌时间序列特点,提出混沌时间序列预测的支持向量机建模的思路、特点及关键参数的选取.对模型进行了实例研究,结果表明该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度.

• 单位
  湖南农业大学