Time series online prediction algorithm based on least squares support vector machine

作者：吴琼; 刘文颖; 杨以涵时间序列预测机械知识支撑向量机器统计学理论

摘要：使用传统的最少的广场的缺乏在网上支持向量机器(LS-SVM ) 到时间系列预言被指定。根据核功能矩阵“ s 性质并且用块矩阵的递归的计算，一个新时间系列联机预言算法基于改进 LS-SVM 被建议。历史的训练结果充分被利用， LS-SVM 的计算速度被提高。然后，改进算法在网上被用于时间系列预言。基于中国的西北力量格子提供的运作的数据，方法在电力的短暂稳定性预言被使用系统。结果显示出那，与传统的 LS-SVM 的计算时间相比(75-1 600 ms ) ，在不同时间窗户中的建议方法的是 40-60 ms，和建议方法的预言精确性(规范的根均方差) 超过 0.8。改进方法因此在网上比传统的 LS-SVM 和对时间系列合适的更多好预言。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社