LS-SVM时间序列预测--免疫文化基因算法进行LS-SVM参数选优.pdfVIP

254 2014 ，50（21 ） Computer Engineering and Applications 计算机工程与应用 LS-SVM 时间序列预测 ——免疫文化基因算法进行LS-SVM 参数选优 王 波，梅 倩 WANG Bo, MEI Qian 重庆大学 计算机学院，重庆 400030 College of Computer Science, Chongqing University, Chongqing 400030, China WANG Bo, MEI Qian. Time series prediction based on LS-SVM optimized by immune clonal memetic algorithm. Computer Engineering and Applications, 2014, 50 （21 ）：254-258. Abstract ：Aiming at the problem that the parameters of Least Squares Support Vector Machines （LS-SVM ）are uncertain in time series prediction, this paper utilizes immune clonal memetic algorithm which adopts the advantage of global search and local search to optimize the parameters of LS-SVM. Simulation results of Lorenz time sequence prediction and building energy consumption prediction show that the prediction accuracy of this optimization method is higher than genetic algo- rithm and grid search algorithm, and the comparison shows that the optimized LS-SVM produces better results than Sup- port Vector Machines （SVM ）and BP neural network. Key words ：time series prediction; Least Squares Support Vector Machines （LS-SVM ）; memetic algorithm; energy prediction 摘 要：针对最小二乘支持向量机（LS-SVM ）在时间序列预测中的参数不确定问题，在训练阶段，使用结合了全局搜 索和局部有哪些信誉好的足球投注网站的免疫文化基因算法来进行参数寻优。实验中通过对Lorenz 时间序列和建筑能耗的两组预测实验， 对比了免疫文化基因算法、遗传算法和网格有哪些信誉好的足球投注网站算法对LS-SVM 参数的优化效果，证明了免疫文化基因算法的优化 效果最好，且LS-SVM 的预测精度比支持向量机（SVM ）和BP 网络预测都要高。 关键词：时间序列预测；最小二乘支持向量机；文化基因算法；能耗预测 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1212-0031 1 引言 但实际应用中采集到的时间序列一般是非线性、非平稳 时间序列指存在于自然科学或社会科学中的某一 的，所以这些方法建立的线性模型与非线性系统部匹 变量或指标的数值或观测值，按照其出现时间先后次 配，导致预测精度下降。而基于上面的线性模型改进的 [1] ARIMA 模型、自回归条件异方差模型、广义自回归条件 序，以相同的间隔时间排列的一组数值 。自从20 世纪 [3] 60 年代以来，来自天文、水文、气象等领域如太阳黑子、 异方差模型与小波分解等理论结合的局部建模 等方法 径流