資源描述:
《基于svm的混沌時(shí)間序列預(yù)測(cè)方法研究》由會(huì)員上傳分享,免費(fèi)在線(xiàn)閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、密級(jí):學(xué)校代碼:10075分類(lèi)號(hào):學(xué)號(hào):20091395管理學(xué)碩士學(xué)位論文基于SVM的混沌時(shí)間序列預(yù)測(cè)方法研究學(xué)位申請(qǐng)人:王朝指導(dǎo)教師:于強(qiáng)教授李松教授學(xué)位類(lèi)別:管理學(xué)碩士學(xué)科專(zhuān)業(yè):管理科學(xué)與工程授予單位:河北大學(xué)答辯日期:二〇一二年五月ClassifiedIndex:CODE:10075U.D.C:NO:20091395ADissertationfortheDegreeofM.ManagementPredictionmethodsofchaotictimeseriesbasedonSVMCandidate:WangchaoSupervisor:Prof.YuQi
2、angProf.LiSongAcademicDegreeAppliedfor:MasterofManagementSpecialty:ManagementScience&EngineeringUniversity:HebeiUniversityDateofOralExamination:May,2012摘要摘要隨著混沌理論和應(yīng)用技術(shù)的不斷發(fā)展,混沌系統(tǒng)的建模、預(yù)測(cè)和控制成為當(dāng)代混沌領(lǐng)域研究的熱點(diǎn)。混沌系統(tǒng)預(yù)測(cè)被廣泛應(yīng)用于自然科學(xué)和社會(huì)科學(xué)的各個(gè)領(lǐng)域,如:在電子對(duì)抗、水文預(yù)報(bào)、圖像處理、冰川期預(yù)測(cè)、太陽(yáng)黑子和股票行情等預(yù)測(cè)中?;煦珙A(yù)測(cè)理論的研究具有很重要的實(shí)際應(yīng)用價(jià)
3、值和重要意義。研究混沌時(shí)間序列預(yù)測(cè)的方法很多,但也存在研究不完善等問(wèn)題。為進(jìn)一步發(fā)展完善預(yù)測(cè)理論,本文選用近幾年提出的支持向量機(jī)算法來(lái)對(duì)混沌時(shí)間序列進(jìn)行研究。支持向量機(jī)是一種機(jī)器學(xué)習(xí)算法,最早被應(yīng)用于分類(lèi)研究,近些年才被學(xué)者引入到了預(yù)測(cè)領(lǐng)域,雖然一些學(xué)者對(duì)支持向量機(jī)算法贊賞有加,但究竟其預(yù)測(cè)效果如何,并沒(méi)有一個(gè)統(tǒng)一的說(shuō)法?;诖吮疚倪x用支持向量機(jī)預(yù)測(cè)算法構(gòu)建混沌時(shí)間序列預(yù)測(cè)模型。應(yīng)用該模型對(duì)3種典型混沌時(shí)間序列進(jìn)行預(yù)測(cè)研究,并與經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了對(duì)比分析。研究結(jié)果表明,雖然SVM算法預(yù)測(cè)具有較高的精度,但對(duì)于不同的混沌時(shí)間序列
4、,SVM算法預(yù)測(cè)精度不同。對(duì)于有些混沌時(shí)間序列SVM的預(yù)測(cè)精度比BP和RBF預(yù)測(cè)算法的預(yù)測(cè)精度高,所以SVM預(yù)測(cè)算法并不適用于所有的混沌系統(tǒng)預(yù)測(cè)。本文安排如下:在第一章中,說(shuō)明了混沌時(shí)間序列預(yù)測(cè)的研究背景和發(fā)展,系統(tǒng)闡述了支持向量機(jī)研究現(xiàn)狀以及在混沌時(shí)間序列預(yù)測(cè)上的研究進(jìn)展。第二章,介紹混沌時(shí)間序列的理論基礎(chǔ)以及相空間技術(shù)。第三章,構(gòu)建支持向量機(jī)的模型,并且選擇合適的參數(shù)C和g。第四章,在Matlab環(huán)境中對(duì)三種典型的混沌時(shí)間序列進(jìn)行預(yù)測(cè),并對(duì)其結(jié)果進(jìn)行分析。第五章,構(gòu)建BP和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,并將其預(yù)測(cè)結(jié)果與SVM算法預(yù)測(cè)結(jié)果進(jìn)行比較。通過(guò)分析比較,發(fā)現(xiàn)在
5、對(duì)Lorenz混沌時(shí)間序列的預(yù)測(cè)上,采用SVM算法預(yù)測(cè)精度最高。而在對(duì)Henon和Logistic混沌時(shí)間序列預(yù)測(cè)時(shí),RBF算法表現(xiàn)出的效果是最好的。關(guān)鍵詞預(yù)測(cè)混沌理論混沌時(shí)間序列支持向量機(jī)IAbstractAbstractChaostimeseriespredictionistheimportantresearchfieldandhotspotsintoday'ssociety.Chaostimeseriespredictioniswidelyusedinnaturalscienceandsocialscience.Intheelectronicagainst,
6、hydrologicalforecasting,imageprocessing,iceageforecast,sunspotsandstockprices,etcofprediction.Chaostimeseriespredictionhasveryimportantpracticalapplicationvalueandsignificance.Theresearchesofchaotictimeseriespredictionmethodaremany,butthereisalsoresearchimperfect.Thispaperputforwardin
7、recentyearstheselectionalgorithmofsupportvectormachinetothechaotictimeseriesforecast.Thealgorithmofsupportvectormachineusedinclassification,wasjustrecentlyscholarsintothepredictionfield,whattheforecasteffectisnotaunifiedpaperchoosesupportvectormachineforecastingalgorithmconstructchaot
8、ictim