首先对模型ARIMA、GM、BP、LSSVM进行时间序列建模,计算其预测误差,结果见表1。 结果表明,ARIMA、BP、LSSVM 3种算法的误差较小。综合建模和预测效果,选取ARIMA、LSSVM、BP作为对比模型。 然后使用本文提出的 ARIMA-LSSVM 混合模型进行预测,预测的结果对比如图2所示。横坐标表示时间序列的序列号K,纵坐标表示对应时刻...
本发明的涉及粮食产量预测技术领域,具体公开了一种基于ARIMALSSVM组合模型预测粮食产量的方法,利用ARIMA对单位面积粮食产量数据和单位面积施肥量数据作分析,找到数据中潜在的线性关系,通过LSSVM回归模型可找到单位面积粮食产量数据和单位面积施肥量数据中潜在的非线性关系,将粮食产量的时序预测与粮食产量与化肥施用量的回归...
该模型通过ARIMA预测出时间序列的线性部分,通过PSO优化的LSSVM模型预测非线性部分,以对 序列进行充分拟合,最后通过混合算法计算最终结果。使用此混合模型达到了精准的预测效果,证明 了模型的有效性。 关键词:犯罪时间序列;相空间重构;滑动自回归平均模型;后向传播神经网络;PSO～LSSVM ...
本发明提供一种基于蝗虫优化的LSSVMARIMA模型的态势分析方法,系统和存储介质,属于机器学习与数据挖掘领域,其特征在于采用如下步骤:(1)随机初始化蝗群初始位置和(2)确定目标函数(3)进行位置更新;(4)重复(1)(2)步骤,输出c,σ;(5)建立LSSVM模型和ARIMA模型;计算预测结果y(t);(6)确定低频分量A(t)和高频分量D...
CEEMDAN分解支持向量机增量搜索误差修正为提高光伏发电功率的预测精度,提出一种结合自适应白噪声完备集成经验模态分解(CEEMEDAN),最小二乘支持向量机(LSSVM)和差分自回归移动平均模型(ARIMA)的短期光伏功率预测方法.首先通过CEEMDAN将光伏功率序列分解成不同的子序列,以弱化非平稳特征对功率预测的影响;利用增量搜索法改进...
本发明涉及一种基于ARIMA与LSSVM模型的CPI组合预测方法,属于经济领域.本发明对CPI数据进行HP滤波分解得到长期趋势序列与循环序列;对长期趋势序列数据进行平稳性检验,白噪声检验,方差齐性检验以及随机扰动项检验,并得到长期趋势序列的预测值;用GA-LSSVM模型对循环序列进行预测,得到循环序列的预测值;将长期趋势序列的预测...
本发明提供一种基于蝗虫优化的LSSVMARIMA模型的态势分析方法,系统和存储介质,属于机器学习与数据挖掘领域,其特征在于采用如下步骤:(1)随机初始化蝗群初始位置和(2)确定目标函数(3)进行位置更新;(4)重复(1)(2)步骤,输出c,σ;(5)建立LSSVM模型和ARIMA模型;计算预测结果y1(t);(6)确定低频分量Aj(t)和高频分量...
This paper proposes a forecasting model based on LSSVM to correct ARIMA error. We find the parameters of LSSVM by improving the inertia weights and acceleration coefficients of the standard PSO algorithm. We use the data from the Baiyun international airport to test the model. The simulation ...
However, ARIMA model cannot effectively capture nonlinear patterns hidden in a time series. As a nonlinear model, Least Squares Support Vector Machine (LSSVM) can be applied to time series forecasting with a high degree of accuracy. Combining ARIMA model and LSSVM may further improve the ...
基于GA-LSSVM与ARIMA组合的短期风电功率预测 仿真模拟算例验证风功率预测阐述DBSCAN方法对风电场实测数据进行预处理,剔除异常数据,建立一种GA-LSSVM与ARIMA加权组合后得到的短期风功率预测模型,从而获得风功率预测的结果,算例验证方法的有效性.张璐杨培宏刘景霞电子技术(上海)...