資源描述：
《基于svm混沌時間序列預(yù)測方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、ClassifiedIndex:CODE:10075U.D.C:NO:20091395ADissertationfortheDegreeofM.ManagementPredictionmethodsofchaotictimeseriesbasedonSVMCandidate:WangchaoSupervisor:Prof.YuQiangProf.LiSongAcademicDegreeAppliedfor:MasterofManagementSpecialty:ManagementScience&EngineeringUniversity
2、: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)測和控制成為當(dāng)代混沌領(lǐng)域研究的熱點?；煦缦到y(tǒng)預(yù)測被廣泛應(yīng)用于自然科學(xué)和社會科學(xué)的各個領(lǐng)域，如:在電子對抗、水文預(yù)報、圖像處理、冰川期預(yù)測、太陽黑子和股票行情等預(yù)測中。混沌預(yù)測理論的研究具有很重要的實際應(yīng)用價值和重要意義。研究混沌時間序列預(yù)測的方法很多,但也存在研究不完善等問題。為進(jìn)一步發(fā)展完善預(yù)測理論，本文選用近幾年提出的支持向量機(jī)算法來對混沌時間序列進(jìn)行研究。支持向量機(jī)是一種機(jī)器學(xué)習(xí)算法
3、，最早被應(yīng)用于分類研究，近些年才被學(xué)者引入到了預(yù)測領(lǐng)域，雖然一些學(xué)者對支持向量機(jī)算法贊賞有加，但究竟其預(yù)測效果如何，并沒有一個統(tǒng)一的說法?；诖吮疚倪x用支持向量機(jī)預(yù)測算法構(gòu)建混沌時間序列預(yù)測模型。應(yīng)用該模型對3種典型混沌時間序列進(jìn)行預(yù)測研究，并與經(jīng)典的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行了對比分析。研究結(jié)果表明，雖然SVM算法預(yù)測具有較高的精度，但對于不同的混沌時間序列，SVM算法預(yù)測精度不同。對于有些混沌時間序列SVM的預(yù)測精度比BP和RBF預(yù)測算法的預(yù)測精度高，所以SVM預(yù)測算法并不適用于所有的混沌系統(tǒng)預(yù)測。本文安排如下：
4、在第一章中，說明了混沌時間序列預(yù)測的研究背景和發(fā)展，系統(tǒng)闡述了支持向量機(jī)研究現(xiàn)狀以及在混沌時間序列預(yù)測上的研究進(jìn)展。第二章，介紹混沌時間序列的理論基礎(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)境中對三種典型的混沌時間序列進(jìn)行預(yù)測，并對其結(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)測模型，并將其預(yù)測結(jié)果與SVM算法預(yù)測結(jié)果進(jìn)行比較。通過分析比較，發(fā)現(xiàn)在對Lorenz混沌時間序列的預(yù)測上，采用SVM算法預(yù)測精度最高。而在對Henon和Logistic混沌時間序列預(yù)測時，RBF算法表現(xiàn)出
5、的效果是最好的。關(guān)鍵詞預(yù)測混沌理論混沌時間序列支持向量機(jī)IAbstractAbstractChaostimeseriespredictionistheimportantresearchfieldandhotspotsintoday'ssociety.Chaostimeseriespredictioniswidelyusedinnaturalscienceandsocialscience.Intheelectronicagainst,hydrologicalforecasting,imageprocessing,iceageforecast
6、,sunspotsandstockprices,etcofprediction.Chaostimeseriespredictionhasveryimportantpracticalapplicationvalueandsignificance.Theresearchesofchaotictimeseriespredictionmethodaremany,butthereisalsoresearchimperfect.Thispaperputforwardinrecentyearstheselectionalgorithmofsupport
7、vectormachinetothechaotictimeseriesforecast.Thealgorithmofsupportvectormachineusedinclassification,wasjustrecentlyscholarsintothepredictionfield,whattheforecasteffectisnotaunifiedpaperchoosesupportvectormachineforecastingalgorithmconstructchaotictimeseriesforecastingmodel
8、.Usethepredictionmodelofthethreekindsoftypicalchaotictimeseriespredictionresearch,andcompareditt
