支持向量机方法应用于理想时间序列的预测研究.pdfVIP

第12卷第5期 气 候 与 环 境 研 究 Vo1．12 No．5 2007年 9月 Climatic and Environmental Research Sep． 2007 支持向量机方法应用于理想时间序列的预测研究 毛宇清 王咏青 王革丽 1 中匡『科学院大气物理研究所中层大气与全球环境探测开放实验室，北京 100029 2 南京信息工程大学大气科学学院，南京 210044 摘 要 简要介绍了基于统计学习理论的支持向量机方法的基本思想和原理，利用该方法对33模Lorenz系 统的理想混沌时间序列建立预测模型，并对在此基础上产生的非平稳时间序列进行预测试验研究。结果表明， 支持向量机方法不仅对平稳过程有较好的预报能力，也可以适用于非平稳过程，对实际序列的预测有一定的启 发意义。 关键词 支持向量机 非平稳时间序列 预测建模 文章编号 1006—9585(2007)05—0676—07 中图分类号 P437 文献标识码 A An Application Study on Prediction and Analysis for Ideal Time Series Based on the SVM Method MAO Yu—Qing ，WANG Yong-Qing。。and WANG Ge-Li 1 Laboratory of Middle Atmosphere and Global Environmental Observation，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029 2 College of Atmospheric Sciences，Nanjing University of Information Science and Technology，Na ing 210044 Abstract The support vector machine(SVM)regression principle and basic ideas based on the statistical learning theory are introduced．This method is used to build forecasting models on the ideal time series from 33一mode Lorenz system，and especially the prediction on nonstationary time series are tested and analyzed． It is shown that the SVM method is available for both stationary series and nonstationary ones，and the results are developmental to pre— diction of real data． Key words support vector machine，nonstationary time series，forecast model 学习规律的理论。该理论针对小样本统计问题建 1 引言 立了一套新的理论体系，在这个理论体系下的统 计推理规则不仅考虑了对渐进性能的要求，而且 VapnikE 提出了统计学习理论 (Statistical 追求在现有有限信息的条件下得到最