基于残差预测修正的局部在线时间序列预测方法

刘大同; 彭宇; 彭喜元

您当前的位置：

首页 >

文章列表页 >

基于残差预测修正的局部在线时间序列预测方法

学术论文 | 更新时间：2025-07-16

- 基于残差预测修正的局部在线时间序列预测方法
- Local Online Time Series Prediction Based on the Residual Compensation with Online SVR
- 电子学报 2008年36卷第S1期页码：81-85
- 作者机构：
  
  哈尔滨工业大学自动化测试与控制研究所,黑龙江,哈尔滨,150080
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP391
- 纸质出版：2008
- 稿件说明：
移动端阅览
刘大同, 彭宇, 彭喜元. 基于残差预测修正的局部在线时间序列预测方法[J]. 电子学报, 2008,36(S1):81-85.

LIU Da-tong, PENG Yu, PENG Xi-yuan. Local Online Time Series Prediction Based on the Residual Compensation with Online SVR[J]. Acta Electronica Sinica, 2008, 36(S1): 81-85.
刘大同, 彭宇, 彭喜元. 基于残差预测修正的局部在线时间序列预测方法[J]. 电子学报, 2008,36(S1):81-85. DOI：

LIU Da-tong, PENG Yu, PENG Xi-yuan. Local Online Time Series Prediction Based on the Residual Compensation with Online SVR[J]. Acta Electronica Sinica, 2008, 36(S1): 81-85. DOI：

摘要

对于复杂的非线性和非平稳时间序列预测

基本的支持向量回归(Support Vecotr Regression

SVR)在线算法无法有效兼顾执行效率和预测精度.本文首先采用局部SVR进行时间序列建模预测

同步计算在线更新序列数据预测的残差

并采用Online SVR对残差序列进行混沌时间序列预测

将预测残差值实时补偿到局部SVR模型预测输出.实验结果表明

新方法在执行效率和预测精度方面较单一Online SVR均显著提高.

Abstract

For complicated nonlinear and nonstationary time series prediction

the precision will be decreased if a faster processing speed is reached in online SVR.A new time series prediction method is proposed.Local SVR is firstly adopted to make prediction of the time series.Then the forecast residual with the real data stream is calculated.Finally

the residual is estimated with online SVR algorithm to compensate the predicted value with the local SVR.Experimental results showed that the propo sed method outperformed the Online SVR.

关键词

Keywords

references

浏览量

1679

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新型时间序列多分辨预测模型研究

基于神经网络的时间序列动态预测器的调整学习算法