| Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究 |
| |
| 引用本文： | 张剑,王波.Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究[J].经济数学,2017,34(2):84-88. |
| |
| 作者姓名： | 张剑 王波 |
| |
| 作者单位： | 上海理工大学 管理学院,上海,200093 |
| |
| 摘 要： | 作为一种动态和非稳定时间序列,Shibor发展变化是随机波动的,难以准确预测Shibor的波动性.支持向量机(SVM)在回归预测非线性时间序列方面有很好地预测效果,SVM的预测精度和泛化能力的核心是参数的优化选择,分别用网格搜索法(Grid-Search)和粒子群(PSO)算法来优化SVM的参数c和g.从而将参数优化后的SVM非线性回归预测法与基于传统ARIMA时间序列预测结果进行对比分析.实验表明,优化后的SVM回归预测方法比ARIMA时间序列方法更精确,在实际中具有很大的应用价值.
|
| 关 键 词： | 机器学习 非线性回归预测 支持向量机 网格搜索法 粒子群算法 Shibor |
Application of Grid-Search and PSO-optimized SVM in Shibor Regression Prediction |
| |
| ZHANG Jian,WANG Bo.Application of Grid-Search and PSO-optimized SVM in Shibor Regression Prediction[J].Mathematics in Economics,2017,34(2):84-88. |
| |
| Authors: | ZHANG Jian WANG Bo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《经济数学》浏览原始摘要信息 |
| 点击此处可从《经济数学》下载免费的PDF全文 |
|
