基于灰色模型和支持向量机的时间序列预测研究

摘要

支持向量机自诞生以来就被广泛关注，作为一种新的智能算法，其理论基础较为成熟，具有良好的非线性处理能力，在时间序列预测中有着广泛应用。当前基于支持向量机的时间序列预测大都是以精确数建模，而基于支持向量机的区间模糊数时间序列预测研究则相对较少。对此，本文将支持向量机用于区间模糊数时间序列预测，建立基于支持向量机的区间模糊数时间序列预测模型，拓宽了支持向量机的适用范围，实例分析证明了本文模型的有效性。 组合预测有效融合了单一预测方法的特点和优势，增强预测的效果。通过分析灰色模型的建模机制，发现模型在初始条件选择上存在不足，从而构造新的初始条件，建立新的灰色模型，将新的灰色模型通过支持向量机训练，建立最优组合模型，实例分析说明了本文模型的合理性，通过与其他模型预测结果对比，本文模型的预测精度得到有效提高。本文的主要内容如下： 第一章：简要介绍了国内外研究现状以及本论文的主要研究工作。 第二章：简要介绍了本论文的相关预备知识，主要包括灰色模型的相关理论、支持向量机回归原理以及时间序列的相关概念和方法。 第三章：介绍了序列转换的概念，然后建立了基于支持向量机的区间模糊数时间序列预测模型，并将该模型用于美元指数和居民消费价格指数预测，取得了良好的效果。 第四章：改进了灰色模型的初始条件，建立新的灰色模型，并与支持向量机结合建立组合预测模型，然后将组合模型用于航空客运量预测，最后对比了其他两种模型预测结果，本文模型的精度更高。 第五章：总结全文。