典型文献
EEMD和布谷鸟搜索算法优化SVR的混沌时间序列预测
文献摘要：
为了对混沌时间序列的预测精度进行提升,提出组合预测模型,它对支持向量回归(SVR)、布谷鸟搜索(CS)与经验模态分解(EEMD)进行了综合.首先对混沌时间序列通过集合经验模态分解为一组去除噪声且相对稳定的子序列;借助CS算法对SVR参量加以优化,进而构建以SVR为基础的预测模型,由此获取原始序列的预测大小;接着以太阳黑子混沌时间序列为对象,对其进行预测实验,并与SVR、CS-SVR和EEMD-SVR的预测性能进行比较.结果显示,通过CS算法进行优化后,能够让SVR具有更快的收敛速度,使之预测精度有了明显的提升,同时也提升了它的泛化能力.
文献关键词：
混沌时间序列预测;集合经验模态分解;布谷鸟搜索算法;支持向量回归;太阳黑子;回归拟合
中图分类号：
作者姓名：
乐洋;江畅;陈德良
作者机构：
南京邮电大学,江苏 南京 210023;江苏省智慧健康大数据分析与位置服务工程实验室,江苏 南京 210023
文献出处：
引用格式：
[1]乐洋;江畅;陈德良-.EEMD和布谷鸟搜索算法优化SVR的混沌时间序列预测)[J].现代电子技术,2022(15):118-122
A类：
B类：
EEMD,布谷鸟搜索算法,算法优化,SVR,混沌时间序列预测,组合预测模型,支持向量回归,CS,集合经验模态分解,除噪声,子序列,参量,以太,太阳黑子,预测性能,收敛速度,泛化能力,回归拟合
AB值：
0.1846
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
