基于多输出支持向量回归的多步提前时间序列预测
机器学习
2014-01-14 v1 机器学习
摘要
在未来较长时段内进行准确的时间序列预测具有挑战性，并受到业界与学术界的广泛关注。作为一种著名的智能算法，支持向量回归（SVR）的标准公式可用于多步提前时间序列预测，但仅依赖于迭代策略或直接策略。本研究提出了一种新颖的多步提前时间序列预测方法，该方法采用多输入多输出（MIMO）预测策略的多输出支持向量回归（M-SVR）。此外，本文还对采用 SVR 的三种主要预测策略的排名进行了比较考察，为在以 SVR 作为建模技术时选择多步提前预测的策略提供了实践启示。所提出的方法通过模拟数据集和真实数据集进行了验证。基于预测精度和计算成本进行了定量且全面的评估。结果表明：1) 采用 MIMO 策略的 M-SVR 以可接受的计算负荷实现了最准确的预测；2) 采用直接策略的标准 SVR 实现了次优的准确预测，但计算成本最高；3) 采用迭代策略的标准 SVR 在预测精度方面最差，但计算成本最低。
引用
@article{arxiv.1401.2504,
title = {Multi-Step-Ahead Time Series Prediction using Multiple-Output Support Vector Regression},
author = {Yukun Bao and Tao Xiong and Zhongyi Hu},
journal= {arXiv preprint arXiv:1401.2504},
year = {2014}
}
备注
26 pages