排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri386 3.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。 相似文献
2.
In this study a LASSO – TLBO – SVR hybrid model is used for portfolio construction. Relevant economic parameters are determined and used for stock selection. Along with stock selection, weights for the stocks are obtained by solving a portfolio optimization problem using three methods: GRG Nonlinear, Evolutionary method based on Genetic Algorithm, and Equal weight method. The portfolio return in the proposed model is compared with the return of the Indian market portfolio (NSE and BSE). It is observed that the proposed model outperforms the market portfolio. 相似文献
3.
4.
传统的安全投入模型对解决高危行业领域中模糊复杂的安全投入问题具有一定局限性,尤其当建立目标函数时,采用隐含线性关系假设的函数进行拟合会影响模型的推广能力。基于此,本文首先采用支持向量回归机(SVR)建立事故损失模型,与传统C-D函数拟合结果相比,该模型具有更好的预测能力;然后,以实际安全投入要求为约束,以安全总成本最小化为原则建立企业安全投入优化模型;最后,采用基于捕食搜索策略的粒子群算法对模型进行求解,同时,为保证全局收敛性,引入自适应控制策略对算法进行了改进。结果表明:该模型能够更加准确地描述安全投入与安全成本间的非线性作用关系,并通过粒子群寻优得到具备可行性的全局最优解,为高危行业企业安全投入结构优化提供新的决策思路。 相似文献
5.
针对区域货物周转量的特点:时间上的大波动性和区域之间的密切相关性,指出:反映区域货物周转量预测的指标数据存在高度的非线性、耦合性和时变性。通过对区域公路货物周转量历史数据的分析,确定了相关预测变量。在上述基础上,建立了基于SVR的区域公路货运周转量预测模型。由于该模型建立在统计学习理论的基础上,因而具有良好的非线性数据处理能力,并保证了预测模型的泛化性能。以金华市为应用对象,说明了该模型的有效性。 相似文献
6.
基于改进粒子群算法的SVR参数优化选择的研究 总被引:1,自引:0,他引:1
支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。 相似文献
7.
1