多变量时间序列的重构与预测方法

摘要：

多变量时间序列包含有比单变量时间序列更丰富的动态信息,具有一定的信息完备性和确定性,但多变量时间序列同时也会带来一定的冗余信息和部分噪声.为了更好地反映多变量时间序列的动态特性,文章对多变量时间序列进行空间重构,并利用主成分分析法(PCA)对重构后的多变量时间序列进行处理,以减低特征空间维数;最后采用支持向量机建立预测模型.仿真实验表明,该预测模型具有较强的自适应能力和较好的预测效果.

关键词：多变量时间序列、相空间重构、主成分分析法(PCA)、支持向量机(SVM)、预测

分类号：F181

资助基金：国家自然科学基金70472072

在线出版日期：2009-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：31-33