经济预测的灰色支持向量回归方法
发布时间：2021-11-01 12:53
社会经济的发展使数据的规模和复杂程度与日俱增,传统的预测方法受到了前所未有的挑战。上世纪七、八十年代的两大新兴理论——统计学习理论与灰色系统理论的产生为解决复杂系统的预测问题提供了新的理论基础和技术支持。在前人研究的基础上,本篇博士学位论文将灰色预测理论和支持向量机有机结合起来,提出了几种实用的解决复杂系统的预测方法,并将其运用于经济、金融数据的分析与预测,一系列试验结果证明了这些方法在实践中能取得令人满意的效果。论文以社会经济数据为研究对象,以支持向量机的性能、效率和灰色系统理论及应用为主题展开研究。首先,根据部分经济数据具有贫信息、高噪声、不稳定和非线性的特点,结合灰色系统理论,采用含边值修正的灰色模型进行预测,获取残差序列后运用支持向量回归（SVR）方法对模型进行残差修正得到复合的灰色支持向量回归模型。在支持向量回归中构造具有自适用性的动态惩罚参数Ci替代传统SVR中的不变参数以提高模型的准确性,同时构造算法决定ε以平滑过度调节。该方法在广东省工业生产指数（IGIP）和另一地区工业生产总值（TIOV）的两项试验中获得了较好的预测效果。提高学习效率的一种直接途径是减少学习问题的规模...
【文章来源】：中南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：115 页
【学位级别】：博士
【部分图文】：
”东省!_业生产指数(1Glp}98
D影响不明显)进行支持向量回归(图3.3)。最后，用回归残差对GMRVV:模型进行修正，得到GMRvv3一SVR复合模型(不同预测模型相对误差比较如图3.5)，该模型可用来对未来值进行预测。公Drlgln司由饱~--，卜--3一旧 otGM(1.1)一·侧盔一GMR、八旧一..月一GMR、凡叼毛、泊g日 5199〕 1996yea「2口 00200620飞O厂胜…ILI|1.…we|L--印力刀加刀DD的 DO8D000DD田田7O田田4O田2D10l$n叮，P。4。一P巴d图3.5不同预测模型效果比较(IGlplgsZ一IGIpZ。。6).1)姻﹃橇3-rm︸︸AO令.八盛七食O吞令O合令呈。名各名备O吞OO令吞吞令O护，，，:_县里呈盆里‘令.，带令 1996yea「 2000200520106不同预测模型相对误差比较(IGIp1982一引pZ。。6)一一一q曰 632D55S1比凌一汇工3刀):2，|O11|内碑0左 0Ot0口00SJOJJ田O诱一加巴 3.4.2T1OV数据集第二个数据是某市1989年7月一1993年6月各月工业生产总值 (theTotal IndustrialOutputValues(T工OV))。数据来源于文献「一00」。从原始数据看(图3.7)，数据的波动性较大，但也具有明显的增长趋势，不适合直接用灰色模型。首先
图5.10sF尺预测残差与G对*。。、模拟残差(T.OV199o.lothousandyuanZOee19怕仃1615冈目，j-白“切也洲门人﹂。lsen司，P男。一尾﹄﹂
【参考文献】：
期刊论文
[1]灰色局部支持向量回归机及应用[J]. 蒋辉,王志忠. 控制与决策. 2010(03)
[2]基于灰色系统的支持向量回归预测方法[J]. 蒋辉,王志忠. 经济数学. 2009(02)
[3]多变量灰色优化模型在金属切削理论研究中的应用[J]. 韩朝晖,董湘怀. 湘潭大学自然科学学报. 2008(01)
[4]多变量灰色模型MGM（1,n）在R&D投资预测中的应用[J]. 王五祥,张维,崔和瑞,刘冰. 研究与发展管理. 2006(02)
[5]鱼雷使用维护费用灰色模型[J]. 梁庆卫,宋保维,吴朝晖. 系统仿真学报. 2006(01)
[6]关于灰色模型的累加生成效果[J]. 同小军,陈绵云,周龙. 系统工程理论与实践. 2002(11)
[7]MGM（1,n）灰色模型及应用[J]. 翟军,盛建明,冯英浚. 系统工程理论与实践. 1997(05)
博士论文
[1]高效预测的核学习方法[D]. 贺文武.中南大学 2008
本文编号：3470147
【文章来源】：中南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：115 页
【学位级别】：博士
【部分图文】：
”东省!_业生产指数(1Glp}98
D影响不明显)进行支持向量回归(图3.3)。最后，用回归残差对GMRVV:模型进行修正，得到GMRvv3一SVR复合模型(不同预测模型相对误差比较如图3.5)，该模型可用来对未来值进行预测。公Drlgln司由饱~--，卜--3一旧 otGM(1.1)一·侧盔一GMR、八旧一..月一GMR、凡叼毛、泊g日 5199〕 1996yea「2口 00200620飞O厂胜…ILI|1.…we|L--印力刀加刀DD的 DO8D000DD田田7O田田4O田2D10l$n叮，P。4。一P巴d图3.5不同预测模型效果比较(IGlplgsZ一IGIpZ。。6).1)姻﹃橇3-rm︸︸AO令.八盛七食O吞令O合令呈。名各名备O吞OO令吞吞令O护，，，:_县里呈盆里‘令.，带令 1996yea「 2000200520106不同预测模型相对误差比较(IGIp1982一引pZ。。6)一一一q曰 632D55S1比凌一汇工3刀):2，|O11|内碑0左 0Ot0口00SJOJJ田O诱一加巴 3.4.2T1OV数据集第二个数据是某市1989年7月一1993年6月各月工业生产总值 (theTotal IndustrialOutputValues(T工OV))。数据来源于文献「一00」。从原始数据看(图3.7)，数据的波动性较大，但也具有明显的增长趋势，不适合直接用灰色模型。首先
图5.10sF尺预测残差与G对*。。、模拟残差(T.OV199o.lothousandyuanZOee19怕仃1615冈目，j-白“切也洲门人﹂。lsen司，P男。一尾﹄﹂
【参考文献】：
期刊论文
[1]灰色局部支持向量回归机及应用[J]. 蒋辉,王志忠. 控制与决策. 2010(03)
[2]基于灰色系统的支持向量回归预测方法[J]. 蒋辉,王志忠. 经济数学. 2009(02)
[3]多变量灰色优化模型在金属切削理论研究中的应用[J]. 韩朝晖,董湘怀. 湘潭大学自然科学学报. 2008(01)
[4]多变量灰色模型MGM（1,n）在R&D投资预测中的应用[J]. 王五祥,张维,崔和瑞,刘冰. 研究与发展管理. 2006(02)
[5]鱼雷使用维护费用灰色模型[J]. 梁庆卫,宋保维,吴朝晖. 系统仿真学报. 2006(01)
[6]关于灰色模型的累加生成效果[J]. 同小军,陈绵云,周龙. 系统工程理论与实践. 2002(11)
[7]MGM（1,n）灰色模型及应用[J]. 翟军,盛建明,冯英浚. 系统工程理论与实践. 1997(05)
博士论文
[1]高效预测的核学习方法[D]. 贺文武.中南大学 2008
本文编号：3470147
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3470147.html
