混沌时间序列的LSSVM预测方法 (2014年)

结合相空间重构理论，提出运用最小二乘支持向量机(LSSVM)建立混沌时间序列的预测模型，并用粒子群优化(PSO)解决LSSVM参数寻优的问题。通过与RBF神经网络构建的预测模型相比较，计算预测模型的均方根误差来评价模型的性能。结果表明：采用PSO优化的LSSVM预测模型的预测精度更高。