SVM与神经网络在时间序列预测中的比较

神经网络和支持向量机都能有效地预测时间序列数据,但各自结构特点不同,导致其预测性能有差别。文章从理论和实践上比较了支持向量机与神经网络的优缺点。     

基于改进粒子群算法的SVR参数优化选择的研究

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。     

基于SVM的虹膜识别技术

文章主要阐述了基于支持向量机方法进行虹膜识别,首先利用虹膜处理系统对采集到的虹膜图象预处理,得到条形图象,然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量,最后利用支持向量机使用序列最小优化算法进行虹膜识别。平均识别率达到了94.3%,结果表明本文的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

基于FOA-SVR算法的边坡稳定性预测方法及其软件设计

针对一般边坡失稳预测方法的样本归一化处理、选择经验核函数等带来的预测误差,本文利用果蝇优化算法优化支持向量回归的回归参数（FOA—SVR）,选择“bspline”核函数,对于边坡训练样本不做归一化处理,通过训练来对边坡稳定性进行预测,并且利用MATLAB编程将上述算法可视化,开发出了基于FOA—SVR的边坡预测软件。算例的计算结果显示,预测值和实际值一致,算法精度较高,而且软件系统稳定,界面简洁,具有很强的实用性。     

基于改进粒子群算法的SVR参数优化选择的研究基于改进粒子群算法的SVR参数优化选择的研究

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。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

大丰港货物吞吐量的时间序列法预测研究

根据大丰港的历史数据,采用时间序列的回归分析方法对大丰港货物吞吐量进行预测研究。在回归分析法中,通过比较,选择指数模型、高次多项式模型以及支持向量机方法分别对大丰港的货物吞吐量进行模拟预测。对指数模型、多项式模型、支持向量机三种方法的预测结果进行比较,并结合大丰港的实际情况,最终选择使用支持向量机法给出大丰港2012—2016年的货物吞吐量预测值。     

基于时间序列的支持向量机在物流预测中的应用

由于物流预测是不确定的、非线性的、动态开放性的复杂大系统，传统方法往往难以准确地描述这种复杂的非线性特征，因而无法准确进行物流预测，本文提出了基于一种基于时间序列的支持向量机(SVM)的物流预测方法。将该方法用于实际物流系统的公路运输量预测中，和真实值比较说明所提出的物流预测方法是可行和有效的。     

基于时间序列的郑州市人均生产总值的预测

随着社会经济的不断发展、生活水平的提高及人口的增加,通过GDP这一宽泛的指标来反映一个地区经济的发展状况是不准确的。由于GDP不能很准确地反映平均每个人的生活水平,而人均GDP则能弥补GDP的这点不足。因为人均GDP=总产出/总人口,它是一个既考虑经济总量大小又考虑人口数量因素的综合性指标,所以常常用来了解和把握一个国家或者地区的宏观经济运行状况、发展水平和人民生活水准。所以论文利用ARIMA模型对人均生产总值进行短期的预测。     

基于时间序列的建筑工程造价预测探究

随着社会经济的发展,建筑业在我国已经逐渐地成为了第二产业中支柱产业,而随着建筑业的快速发展,其在我国的国民经济中已经处于不可动摇的地位,已经是我国国民经济中重要的经济支柱产业,因此,对于建筑工程造价的预测和控制管理,对于促进我国建筑业快速发展具有重要的意义。     

基于支持向量机的轮胎中PU综合性能的预测应用

为了更好聚氨酯(PU)绿色轮胎原料的批量投产和产业化过程中进行实时的产品质量预测与控制打下了良好的基础。本文利用支持向量机对PU弹性体制备过程中的综合性能指标建立预测模型,同时获得较好的预测精度。     

基于时间序列模型的区域收入差异预测和分析

当前,我国区域收入的差距明显,特别是东西部之间,由于各种因素的影响,城镇居民收入增长数量和增长速度的差距越拉越大,已成为构建和谐社会征程中的不利因素。本文搜集了全国、浙江和四川城镇居民人均可支配收入的历年数据,运用EViews与SPSS统计软件对其进行了分析和建模,预测和分析了全国、浙江省和四川省城镇居民人均可支配收入的发展趋势,并提出了相关的建议。     

配送中心需求量的时间序列预测方法研究

本文通过对物流需求预测的时间序列预测方法的组成成分、基本结构进行分析，利用编制计算机程序来建立时间序列需求量预测的简单指数平滑法、自适应指数平滑法和HOLT指数平滑法三种预测模型，为配送中心的库存控制提供支持。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

基于支持向量机的现金流时间序列预测分析

准确合理地预测现金流量是决策者面临的重要课题之一。文章通过采用支持向量机进行建模和仿真,利用滑动窗技术,对一汽轿车的现金流量预测进行了实证研究。研究结果表明,支持向量机模型在小样本条件下具有较好的预测效果。模型的拟合和预测效果与滑动窗发送器的尺寸和具体的权重函数选择有关。     

基于非线性支持向量机区域物流量预测

针对现阶段物流系统样本量少的具体状况，从神经网络的非线性预测分析入手，建立物流量预测非线性支持向量机模型并在廊坊市应用，与其它预测方法进行比较，证明采用支持向量机用于区域物流量预测的正确性、可行性并具有较高精度。     

基于时间序列分析的我国能源需求的预测

随着世界主要能源价格的大幅上涨和中国经济的强劲上升,中国能源需求已成为世界关注的焦点。本文利用时间序列分析方法中的自回归求和ARIMA模型,对我国1963-2008年的能源消费总量数据进行了实证分析,构建了能源消费总量数据预测模型,以此准确地预测我国能源需求,最后证明该模型能够很好的描述我国能源消费总量的动态演变规律,并且s在此基础上对我国未来的能源需求进行了短期预测,同时,给出了结论及建议。     

基于时间序列分析对矿坑涌水量的区间预测

基于时间序列分析建立了矿坑涌水量的模型,通过误差分析做出区间估计,把预测结果表述为区间形式,并提出了模型相对精度的概念。在桃源煤矿矿坑涌水量的预测中,同自回归模型AR(11)对比,该模型将预测精度分别从3.95%和4.35%提高到1.00%和1.44%。     

基于时间序列视角的2020年中国能源需求预测

能源与经济社会发展构成巢结构关系.能源预测是能源规划的基础.时间序列分析技术,基于其时原始数据相对简单的要求,实现对数据产生机制的科学理解和描述,实现未来值预报,是常用预测方法.本文利用时间序列分析技术,预测得到中国2020年能源需求总量为449074.91万吨标准煤.     

基于最优模糊SVM的财务危机预警研究——来自成渝经济区上市公司的经验证据

以我国成渝经济区上市公司为研究对象,将模糊方法(Fuzzy Approach)引入支持向量机(Support Vector Machine,SVM),构建了模糊支持向量机(FSVM)模型,并对四种不同核函数下的FSVM进行了性能对比研究,同时,也与传统统计模型和其余人工智能模型进行了性能对比研究。实证结果表明,Gauss径向基核函数下的FSVM模型不仅较线性、多项式和神经元的非线性作用三种核函数下的FSVM模型具有更为优越的预测性能,同时,也显著优于传统统计模型和其余人工智能模型。