文章摘要
引用本文:梁小春,陈晓云.基于奇异值分解的极限学习机多变量时间序列预测模型[J].福州大学学报(自然科学版),2017,45(1):37~43
基于奇异值分解的极限学习机多变量时间序列预测模型
Multivariate time series prediction based on extreme learning machine with singular value decomposition
  
DOI:10.7631/issn.1000-2243.2017.01.0037
中文关键词: 多变量时间序列  预测模型  极限学习机  奇异值分解
英文关键词: multivariate time series  prediction model  extreme learning machine  singular value decomposition
基金项目:
作者单位
梁小春 福州大学数学与计算机科学学院福建 福州 350116 
陈晓云 福州大学数学与计算机科学学院福建 福州 350116 
摘要点击次数: 342
全文下载次数: 254
中文摘要:
      在极限学习机预测多变量时间序列研究中,针对以往将矩阵转换成向量作为模型输入,从而影响预测精度的问题,结合奇异值分解思想,提出一种直接以矩阵作为输入的多变量时间序列极限学习机预测型SVDELM. 由Rossler、Chen’s、Lorentz和股票多变量时间序列的实验结果表明,SVDELM是一种有效的多变量时间序列预测模型.
英文摘要:
      In multivariate time series prediction based on extreme learning machine (ELM),the prediction precision will be reduced due to convert matrix to vector. In this paper,based on singular value decomposition and extreme learning machine,a multivariate time series prediction model(SVDELM) is proposed to suit for the matrix input. Simulation results on Rossler,Chen’s,Lorentz and stock multivariate time series show that the SVDELM is an effective prediction model for multivariate time series.
查看全文   查看/发表评论  下载PDF阅读器
关闭