基于独立成分分析的含噪声时间序列预测
来源期刊:控制与决策2013年第4期
论文作者:杨臻明 岳继光 王晓保 萧蕴诗
文章页码:501 - 505
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;
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.
杨臻明1,岳继光1,王晓保2,萧蕴诗1
1. 同济大学电子与信息工程学院2. 上海申通轨道交通研究咨询有限公司
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;