多阶灰色支持向量机集成预测模型研究
【出 处】:
【作 者】:
周华平
;
李敬兆
【摘 要】
对灰色预测模型GM(1,1)和支持向量机SVM预测模型进行分析,提出了多阶灰色支持向量机集成预测模型Dm_GM(1,1)-SVM。通过多阶缓冲算子改进灰色预测模型的预测精度,对最终预测值的各个相关指标进行预测;同时,采用粒子群优化算法对支持向量机模型进行径向基核参数和惩罚参数寻优,得到最佳参数对(c,g),从而确定支持向量机的最佳回归模型;最后将各指标预测值作为支持向量机模型的输入,依据预测模型和预测模型的输入值求得预测结果。实验实例表明,多阶灰色支持向量机集成模型和传统的预测模型相比,在本例中预测精度更高,说明多阶灰色预测模型和支持向量机模型相结合在解决实际预测问题中具有实用价值。
相关热词搜索: 多阶灰色预测模型 支持向量机 集成预测 缓冲算子 粒子群优化算法 multi-stage gray prediction model support vector machine integrated forecasting buffer operator particle swarm optimization
上一篇:(η,α)-互模拟的分层及判定算法
下一篇:基于均匀免疫优化算法的最大团问题求解