学位论文 > 优秀研究生学位论文题录展示

基于LS-SVM的时间序列预测方法及其应用研究

作　者: 刘琦
导　师: 彭宇
学　校: 哈尔滨工业大学
专　业: 仪器科学与技术
关键词: LS-SVM 时间序列输入向量构造话务量预测
分类号: O211.61
类　型: 硕士论文
年　份: 2011年
下　载: 286次
引　用: 0次
阅　读: 论文下载

内容摘要

时间序列预测方法一直是国内外学者研究的热点问题,随着在众多应用领域中对预测效率要求的提高,研究时间序列快速预测方法显得尤为重要。LS-SVM( Least Square Support Vector Machine)作为SVM(Support Vector Machine)的一种改进算法,具有模型简单、训练效率高、学习能力强等优点,将其用于时间序列快速预测领域具有良好的应用前景。因此,本文将主要开展基于LS-SVM的时间序列预测方法及其应用研究的工作。首先,本文主要研究LS-SVM算法的基本原理及基于其实现时间序列预测的方法。针对超参数选择困难的问题,采用多级网格搜索和遗传算法的方法对超参数的取值进行优化。其次,研究基于LS-SVM实现时间序列预测的输入向量构造方法。以具有一定周期性的时间序列为研究对象,提出基于功率谱分析的输入向量构造方法,实现较为精确的单步预测。针对连续选取样本点构造输入向量导致多步预测精度下降的问题,提出基于自相关分析的输入向量构造方法,在有限维的输入向量中包含尽量多相关的历史信息,实现精确的多步预测。最后,将基于LS-SVM的时间序列预测方法应用于移动通信话务量预测领域,实现话务量的实时、在线、多步预测。进而针对节假日话务量变化的特殊性,提出基于LS-SVM和历史相似性的组合预测方法。最终,为中国移动黑龙江分公司开发基于LS-SVM的移动通信话务量预测软件包。文中大量的实验结果表明,与其它方法相比,LS-SVM方法可以在保证预测精度的条件下,提高建模和预测效率。针对具有一定周期性的时间序列,本文提出的输入向量构造方法可以有效地指导LS-SVM模型进行输入向量构造,实现精确的单步和多步预测。移动话务量预测系统的稳定运行表明将LS-SVM算法应用于话务量预测领域的有效性。

全文目录

摘要  4-5
Abstract  5-9
第1章绪论  9-21
  1.1 课题来源及研究的目的和意义  9-10
  1.2 国内外研究现状分析  10-19
    1.2.1 时间序列预测方法研究现状  10-14
    1.2.2 LS-SVM算法的研究现状  14-17
    1.2.3 基于LS-SVM的时间序列预测方法研究现状  17-19
  1.3 本文的研究内容与结构  19-21
第2章基于LS-SVM的时间序列预测方法  21-38
  2.1 SVM与LS-SVM的基本原理  21-27
    2.1.1 统计学习的基本理论  21-23
    2.1.2 SVM的基本原理  23-26
    2.1.3 LS-SVM的基本原理  26-27
  2.2 基于LS-SVM的时间序列预测方法  27-30
  2.3 超参数的影响分析及优化方法  30-37
    2.3.1 超参数影响分析  30-31
    2.3.2 基于多级网格搜索的超参数优化方法  31-34
    2.3.3 基于遗传算法的超参数优化方法  34-37
    2.3.4 对比实验  37
  2.4 本章小结  37-38
第3章 LS-SVM的输入向量构造方法  38-50
  3.1 输入向量构造方法概述  38-39
  3.2 基于功率谱分析的的输入向量构造方法研究  39-43
    3.2.1 序列的时域分析  39
    3.2.2 序列的功率谱分析  39-41
    3.2.3 基于功率谱分析的输入向量构造  41-42
    3.2.4 实验与结果分析  42-43
  3.3 基于自相关分析的多步预测输入向量构造方法研究  43-49
    3.3.1 多步预测实现方法  43-45
    3.3.2 基于自相关分析的输入向量构造方法  45-47
    3.3.3 实验与分析  47-49
  3.4 本章小结  49-50
第4章基于LS-SVM的移动通信话务量预测方法  50-71
  4.1 常用的话务量预测方法  50-51
  4.2 基于LS-SVM的话务量单步预测方法  51-59
    4.2.1 话务量数据特性分析  51-53
    4.2.2 话务量单步预测的LS-SVM模型  53-55
    4.2.3 实验与分析  55-59
  4.3 基于LS-SVM的话务量多步预测方法  59-63
    4.3.1 基于自相关分析的输入向量构造  59-60
    4.3.2 实验与分析  60-63
  4.4 特殊节假日的话务量预测方法  63-66
  4.5 基于LS-SVM的短信量预测方法  66-69
  4.6 本章小结  69-71
第5章移动通信话务量预测软件包的开发  71-81
  5.1 话务量预测系统功能概述  71-73
  5.2 话务量预测软件包的设计  73-77
    5.2.1 预测软件包的功能结构划分  73-74
    5.2.2 基于LS-SVM的话务量预测模块  74-77
  5.3 测试与评估  77-80
  5.4 本章小结  80-81
结论与展望  81-83
参考文献  83-90
攻读学位期间发表的学术论文及发明专利  90-92
致谢  92

基于LS-SVM的时间序列预测方法及其应用研究

内容摘要

全文目录

相似论文