摘要
介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了复杂时间序列的多尺度分解方法,对支持向量机回归与预测的各项参数设置进行了试验分析。对股票数据进行建模和预测,结果表明支持向量机对复杂时间序列具有较好的预测效果。
The paper first introduces the technology of phase construction and modeling of time series prediction based on SVM(support vector machines). Then it proposes, the multiple-scaled decomposing method of complicated time series and analyzes the parameter sensitivity of SVM regression. Finally, it establishes prediction model and applies it to the stock data. Experimental result indicates that SVM is an effective method for complicated time series prediction.
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2005年第23期1-3,共3页
Computer Engineering
基金
教育部科技基金重点资助项目(教技司[2000]175)
关键词
时间序列预测
支持向量机
多尺度
数据挖掘
Time series prediction
Support vector machine(SVM)
Multiple scale
Data mining