近似非齐次指数序列预测的新融合模型构建

摘要：

DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型.该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性.实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度.

关键词：DDGM(1,1)、LS-SVM、时间序列预测、机器学习、近似非齐次指数序列

分类号：N941.5(系统科学)

资助基金：湖北省自然科学基金资助项目2013CFA053;长江大学数学与应用数学研究所开放基金项目KF1506;KF1508;长江大学基础学科研究发展基金资助项目2014JCY002

在线出版日期：2016-07-25（万方平台首次上网日期，不代表论文的发表时间）

页码：30-33