基于最小二乘支持向量回归的混沌时间序列预测研究

摘要

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题，基于结构风险最小化原理的支持向量机方法，克服了神经网络易于陷入局部极值点等缺点，能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机，在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明，最小二乘支持向量机回归预测方法具有良好的泛化推广性能，预测精度高，适合于复杂非线性时问序列建模预测。