基于灰色模型和支持向量机的组合预测模型

刘齐林,曾 玲,曾祥艳

基于灰色模型和支持向量机的组合预测模型

刘齐林,曾 玲,曾祥艳

(桂林电子科技大学数学与计算科学学院,广西桂林 541004)

为提高预测模型的精度,提出了一种基于灰色模型和支持向量机的组合预测模型。该模型将累加序列中每个数据分别作为初始条件建立灰色模型,然后对各个灰色模型进行最优组合,通过支持向量机建立最优预测模型,并以成都市1993—2001年航空旅客运输量进行仿真预测实验。实验结果表明,相对于传统灰色模型和灰色神经网络模型,基于灰色模型和支持向量机的组合预测模型提高了预测精度。

灰色模型;支持向量机;时间序列预测

自从1982年邓聚龙提出灰色系统理论[1]以来,研究人员开展了相关理论探索及在不同领域的应用研究。灰色系统理论主要研究“小样本,贫信息不确定”问题,通过序列生成来寻求其变化规律,其最大优点在于所需数据少,预测精度较高,广泛应用在少数据、贫信息的短期预测中[2-3]。现有的灰色模型主要研究模型参数的优化和改进方法[4],以提高灰色模型的预测精度。

1969年Bates和Gtrange系统地研究了组合预测模型[5],相比于单一模型,组合预测模型能较大限度地利用各种模型提供的信息提高预测精度。近年来,章勇高等[6]提出了一种新型灰色神经网络优化组合的风电发电量预测方法,将人工神经网络预测模型与灰色模型有效结合,降低了预测误差。唐万梅[7]提出了灰色支持向量机预测模型,该模型发挥了灰色预测方法中累加生成的优点,增强了规律性,弱化了随机性,通过累减还原得到原始数据预测模型,提高了预测精度。……