EEMD和布谷鸟搜索算法优化SVR的混沌时间序列预测

摘要：

为了对混沌时间序列的预测精度进行提升,提出组合预测模型,它对支持向量回归(SVR)、布谷鸟搜索(CS)与经验模态分解(EEMD)进行了综合.首先对混沌时间序列通过集合经验模态分解为一组去除噪声且相对稳定的子序列;借助CS算法对SVR参量加以优化,进而构建以SVR为基础的预测模型,由此获取原始序列的预测大小;接着以太阳黑子混沌时间序列为对象,对其进行预测实验,并与SVR、CS-SVR和EEMD-SVR的预测性能进行比较.结果显示,通过CS算法进行优化后,能够让SVR具有更快的收敛速度,使之预测精度有了明显的提升,同时也提升了它的泛化能力.

关键词：混沌时间序列预测、集合经验模态分解、布谷鸟搜索算法、支持向量回归、太阳黑子、回归拟合

所属期刊栏目：45

分类号：TN911.1-34

资助基金：江苏省智慧健康大数据分析与位置服务工程实验室开放研究基金SHEL219002

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-122