基于DE-SVM非线性组合预测模型的研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (13): 33-36.

基于DE-SVM非线性组合预测模型的研究

陈涛

陕西理工学院数学系，陕西汉中 723000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

Research on nonlinear combined forecasting model based on DE-SVM

CHEN Tao

Department of Mathematics，Shaanxi University of Technology，Hanzhong，Shaanxi 723000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 为提高预测精度，提出DE-SVM非线性组合预测模型。以组合预测模型的误差平方和最小为优化准则，用差分进化算法（DE）对支持向量机参数进行优化，并利用支持向量机对单一模型的预测结果进行组合预测。算例结果表明，DE-SVM综合利用了各单个预测模型的重要预测信息，其预测误差远远小于各单个模型的预测误差，其预测精度更高，模型的实用性更强。

关键词: 支持向量机, 差分进化算法, 非线性, 组合预测

Abstract: A nonlinear combined forecasting model based on DE-SVM is presented to improve the accuracy of forecasting，where optimal rule is the least sum of square error of the combined forecasting model，and the parameters of SVM are optimized by using DE，and the results of each forecasting model are forecasted by using SVM.The simulation results show that DE-SVM can synthesize important forecasting information of each forecasting model.Its forecasting error is obviously less than that of each model.The accuracy of forecasting will be higher and practicality of the model will be stronger.

Key words: Support Vector Machine（SVM）, Differential Evolution（DE）, nonlinear, combined forecast

陈涛. 基于DE-SVM非线性组合预测模型的研究[J]. 计算机工程与应用, 2011, 47(13): 33-36.

CHEN Tao. Research on nonlinear combined forecasting model based on DE-SVM[J]. Computer Engineering and Applications, 2011, 47(13): 33-36.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[4]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[5]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[6]	张惠煜，陈庆新，毛宁. 随机批量物料搬运的制造系统AGV配置优化[J]. 计算机工程与应用, 2021, 57(4): 245-251.
[7]	张公凯，陈才学，郑拓. 改进鲸鱼算法在电动汽车有序充电中的应用[J]. 计算机工程与应用, 2021, 57(4): 272-278.
[8]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[9]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[10]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[11]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[12]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[13]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[14]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[15]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.