一种分段在线支持向量回归算法 .pdfVIP

学兔兔 第31卷 第8期 仪 器 仪 表 学 报 Vo1．31 No．8 2010年8月 Chinese Journal of Scientific Instrument Aug．2010 一 种分段在线支持向量回归算法 刘大同 ，彭 宇 ，彭喜元 ，于 江 ，陈 强 (1 哈尔滨工业大学自动化测试与控制研究所 哈尔滨 150080； 2 中国移动通信集团黑龙江有限公司 哈尔滨 150028) 摘 要：针对在线支持向量回归算法在提高时间序列预测执行效率的同时，其预测精度会有所下降的问题，提出一种分段在 线支持向量回归的时间序列预测方法，通过缩减在线建模数据长度实现快速训练，并对在线支持向量回归模型进行分段存 储，根据预测数据与子分段模型的 配度，选取最优子分段模型预测输出，从而提高在线算法预测精度。通过对黑龙江移动 通信话务量时间序列数据的实验结果表明，该算法既很好地保持了在线预测方法的运行效率，又通过分段使预测精度提高了 5％ ～10％ 。 关键词：时间序列预测；怏速预测；在线支持向量回归；分段；话务量预测 中图分类号：TP391 文献标识码：A 国家标准学科分类代码：510．4030 Segmental online support vector regression algorithm Liu Datong ，Peng Yu ，Peng Xiyuan ，Yu Jiang ，Chen Qiang ( Automatic Test and Control Institute，Harbin Institute of Technology，Harbin 150080，China； 2 China Mobile Communications Corporation Heilongfiang Co．Ltd．，Harbin 150028，China) Abstract：To improve the poor precision of online support vector regression(Online SVR)when increasing operation efficiency in complicated and nonlinear time series prediction，this paper proposes a novel segmental online SVR al- gorithm for time series forecasting．Fast training speed is achieved by cutting the training data set short．A segmental strategy is applied and the online SVR model is stored in segments．The most suitable segmental model is selected to output the prediction value according to the matching degree between prediction neighborhood data and all the seg— mental models．As a result，the forecasting precision is improved．Experiment results with the data provided by Chi— na Mobile Communications