文档介绍：挂林理工大学基于支持向量机的混沌时间序列预测专业学位硕士研究生学位论文研究方向变理监测数握处理导号月分类号:编号:密级:
一
\阑删:.瓺篫.,●』西,.
吼学位论文作者签名:对伍学位论文作者┳:对往研究生学位论文独创性声明和版权使用授权书签字日期:知.‘.∞签字日期:如耗辍隆比月嗳桂林理工大学硕士学位论文学位论文版权使用授权书独创性声明本人声明:所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含他人已经发表或撰写过的研究成果,也不包含为获得其它教育机构的学位或证书而使用过的材料。对论文的完成提供过帮助的有关人员已在论文中作了明确的说明并表示谢意。本学位论文作者完全了解有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的印刷本和电子版本,允许论文被查阅和借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。C艿难宦畚脑解密后适用本授权书导师签字:签字日期:
,综合考虑正则化项和拟合误差的平方和,将传统支持向量机中的不等式约束改桂林理工大学硕士学位论文摘要时间序列预测是预测领域内的一个重要研究方向。它是一种根据历史数据构造时间序列模型,再把模型外推来预测未来的一种方法。近年来,由于变形监测中新技术的不断应用,导致累计资料多、数量大。如何及时有效地对变形数据进行预测,具有重要的理论意义和实用价值。由于变形监测数据所具有的混沌性,使传统的统计分析方法对数据处理效果可能欠佳,需要寻找新的相关数据处理方法。而支持向量机具有优良的非线性特性,非常适合于混沌时间序列数据的分析与处理。本论文对基于支持向量机的混沌时间序列预测进行一些探讨性研究,主要内容包括:运用支持向量机建立混沌时间序列预测模型,研究影响模型预测精度的相关参数。在分析参数对时间序列预测精度的影响基础上,分别采用遗传算法和蚁群算法优化预测模型参数,从而获取最优参数。通过对地震时间序列的预测,表明改进后的方法具有很好的预测能力,为预测模型的参数选取提供了一种新的思路。通过实验可以看出,由于蚁群算法在开始搜索时,不需要先验信息,算法更加方便,全局搜索能力更强,收敛更快。为了解决惴ǜ丛佣鹊奈侍猓致哿擞肔甋钚《酥С窒蛄炕替代惺奔湫蛄性げ狻甋作为囊恢指慕惴ǎ萁峁狗缦兆钚』荚为等式约束,将惴ǖ慕馔苟喂婊侍庾;晌O咝苑匠套榈那蠼馕侍猓蟠筇高了算法的效率。通过对地震变形监测数据的预测,,求解问题的速度更快,收敛精度更高。⑿〔ㄏ胗隠甋组合模型。对原始时序消噪后,〔ㄖ毓信号进行预测。通过与未进行小波消噪处理的预测结果进行比较,验证本方法的有效性。关键词:混沌时间序列;混沌性识别;支持向量机;遗传算法;蚁群算法琒
一
桂林理工大学硕士学位论文驶,,.琩,,.,:·—ⅲ琈瓵,瑅:珹曼舅量皇曼曼曼曼曼曼曼曼量曼皇曼量舅量曼量曼曼曼曼皇曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼事事驶述决玖苛况韭鸦事炕鼠蛄苛柯柯事麵’