SVR模型及其用于经济数据预测的研究

发布时间：2017-07-31 19:11

  本文关键词：SVR模型及其用于经济数据预测的研究

  更多相关文章： 支持向量机 支持向量回归机 电力消费 商品房价格 股票价格 ARIMA-SVR模型 小波分析 多尺度核函数

【摘要】：支持向量机(Support Vector Machines,SVM)是在统计学理论基础上发展起来的一种新的、非常有效的机器学习方法。它最早被Vapnik教授在20世纪90年代提出,近年不管是理论研究、算法实现还是应用方面都取得了突飞猛进的发展。特别是在应用方面,SVM被广泛应用,解决了许多实际应用问题。SVM分为支持向量回归机(Support Vector Regression,SVR)和支持向量分类机(Support Vector Classification,SVC),SVR具有很好的预测能力,且其预测模型推广能力很强,即使在较长区间内预测仍然具有较高的精度。因此,被广泛用于各种实际问题的预测。但在经济数据预测方面,SVR的应用还比较鲜见,因此本文将主要研究应用SVR对电力消费、商品房价格和股票价格这3种经济数据进行回归预测。本文主要在以下方面进行研究和探讨:(1)对电力消费建立基于SVR模型的多变量和双变量预测模型并比较之,得出前者比后者的预测更加准确。对商品房价格建立基于SVR模型和自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA),得出SVR模型优于ARIMA的结论。(2)针对股票市场高度非线性的特点,单一预测模型很难描述出股票价格趋势的整体特征,提出了一种ARIMA-SVR的组合预测模型。首先采用二进正交小波的Mallat算法对股票收盘价数据进行小波分解和重构,得到了低频信息和高频信息;然后对高频信息建立ARIMA模型,以及对低频信息建立SVR模型,应用ARIMA模型和SVR模型进行训练和预测;最后对分析结果进行整合,得出组合模型的预测结果。实验表明,ARIMA-SVR模型优于单一SVR模型。(3)将小波分析和核函数的知识结合起来,构造多尺度小波核作为SVR的核函数。首先通过Morlet小波和多尺度核函数构造出多尺度小波(MWK)的核函数表达式;然后采用核函数,利用SVR模型对股票收盘价进行了预测。实验表明,多尺度核函数模型优于单一SVR模型。
【关键词】：支持向量机 支持向量回归机 电力消费 商品房价格 股票价格 ARIMA-SVR模型 小波分析 多尺度核函数
【学位授予单位】：西华师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;TP181
【目录】：

• 摘要5-6
• Abstract6-8
• 第1章 绪论8-13
• 1.1 课题的背景、目的和意义8
• 1.2 支持向量机国内外研究综述8-9
• 1.3 支持向量回归机理论9-12
• 1.4 论文的主要成果和内容12-13
• 第2章 基于SVR的多变量电力消费预测13-16
• 2.1 引言13
• 2.2 样本数据选取与来源13
• 2.3 数据归一化处理13-14
• 2.4 电力预测实验步骤14
• 2.5 电力预测实验结果14-16
• 第3章 基于SVR模型的房价预测16-19
• 3.1 引言16
• 3.2 数据的选取16-17
• 3.3 房价预测实验结果17-19
• 第4章 基于组合模型和多尺度核函数模型的股票价格预测19-30
• 4.1 引言19-20
• 4.2 小波分析20-24
• 4.3 多尺度核函数24-25
• 4.4 ARIMA-SVR模型的实验25-28
• 4.5 多尺度核函数模型的实验28-30
• 第5章 总结与展望30-31
• 5.1 本文总结30
• 5.2 今后展望30-31
• 参考文献31-38
• 致谢38-41
• 在学期间的科研情况41

【相似文献】

中国期刊全文数据库 前10条

1 王习涛;;ARIMA模型在期货交易预测中的应用研究[J];微计算机信息;2006年15期

2 张翼飞;陈洪;刘岭;张彦琦;郭波涛;易东;;ARIMA季节乘积模型在肠道传染病预测中的应用[J];激光杂志;2008年02期

3 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

4 曹昱东;王浩;;基于ARIMA模型上海市生活垃圾的预测与分析[J];电子测试;2013年16期

5 吴u，

本文编号：600672