發(fā)布時間：2021-12-24 16:23

　　時間序列模型經(jīng)歷了從線性模型到非線性模型的發(fā)展。非線性時間序列模型又分為參數(shù)模型和非參數(shù)模型。人工智能發(fā)展起來以后，神經(jīng)網(wǎng)絡(luò)、支持向量回歸在時間序列建模中，發(fā)揮著越來越重要的作用。本文借鑒神經(jīng)網(wǎng)絡(luò)和支持向量回歸應(yīng)用到時間序列預(yù)測的思想，將基于統(tǒng)計學(xué)習(xí)（Statistical Learning記為：SL）理論的正則化最小二乘回歸（Regularized Least-Squares Regression記為：RLSR）應(yīng)用到時間序列建模和預(yù)測中。利用RLS方法，對平穩(wěn)序列和非平穩(wěn)序列進(jìn)行了隨機(jī)模擬，并得到較好結(jié)果。之后，將RLS方法分別應(yīng)用到太陽黑子、石油價格和英鎊／美元的匯率的時間序列預(yù)測中，取得了比文獻(xiàn)中已有研究更好的結(jié)果。RLS方法充分利用了統(tǒng)計學(xué)習(xí)理論中再生核希爾伯特空間（Reproducing Kernel Hilbert Space記為：RKHS）的性質(zhì)。在算法的求解過程中，最終轉(zhuǎn)化為一個簡單的線性方程。相對于文獻(xiàn)中已有的模型，RLS方法的求解過程相對簡單。文章的貢獻(xiàn)：●嘗試將基于統(tǒng)計學(xué)習(xí)理論的RLS方法應(yīng)用于時間序列建模和預(yù)測中�！裢ㄟ^隨機(jī)模擬，用RLS方法對平穩(wěn)序列、非平穩(wěn)... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：119 頁

【學(xué)位級別】：博士

【部分圖文】：

-5:不同p值對應(yīng)的最小的NMsE

}一~}。}，.卜—廠份叮一一~卞一下一‘了一門 024二虧 01214呀.，.匆240.，0， 214翎p)1.匆圈3-24:不同p值對應(yīng)的最小的xMSE圖3-2-5:不同p值對應(yīng)的最小的NMsE圖3一2一6展示了，在廠5的條件下，用不同的lambda對應(yīng)的補(bǔ)11練樣本和驗證樣本的NMSE。能使驗證樣本的NMSE達(dá)到最小的l別滋b血即是最優(yōu)的正則化參數(shù)。，夕粗洲.認(rèn)，切如l聞..目.目山目生2一//\/\//\\1r、汀1/一/，令100，了10.圈3一衣p叱時，lambd.對應(yīng)的最小的.泊自I

需要預(yù)測的序列為:又=戈+m，根據(jù)式(3一3一l)隨機(jī)產(chǎn)生300個點，其中訓(xùn)練樣本、驗證樣本、測試樣本各100個點(圖3一3一1)。然后利用RLS方法進(jìn)行建模，并運行500次(圖3一3一2)。 ~~~’八，慫---一一麗討丫丫 ___飛飛丫一 ___——陽目以目目 ...目 目圈冬孚l:含一次泊勢項人側(cè)勻序列圈(其中一條)目習(xí)一:Rl名方法對含一次趨勢項序列預(yù)翻棋擬圈(10條) 1.2參數(shù)選取利用二維搜索的方法，在p盯l，20]，勿腳bda。[10乃，1護(hù)l范圍內(nèi)搜索最優(yōu)的參數(shù)。當(dāng)驗證樣本的NMSE達(dá)到最小的時候，對應(yīng)的p


本文編號：3550812