灰色Verhulst型LS-SVM的构建及参数估计方法

发布时间：2021-11-21 00:33

　　为提高灰色Verhulst模型的预测能力,文章用统计学习理论的观点研究灰色Verhulst模型的建立问题。通过两种方式构造了以背景值序列和原始序列为训练样本的灰色Verhulst型LS-SVM,将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型,进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题,实现了小样本体系下灰色Verhulst模型的建立和参数估计。实验结果表明该方法是可行且有效的,可有效提高Verhulst模型的推广性,比传统参数估计方法的预测精度更高。 

【文章来源】：统计与决策. 2020,36(12)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]Verhulst优化模型的建筑物沉降监测[J]. 王海城,王雯涛,何义斌.  测绘科学. 2017(06)
[2]灰色Verhulst模型背景值优化的建模方法研究[J]. 熊萍萍,党耀国,姚天祥,崔杰.  中国管理科学. 2012(06)
[3]无偏灰色Verhulst模型及其应用[J]. 王正新,党耀国,刘思峰.  系统工程理论与实践. 2009(10)
[4]支持向量机最优参数选择的研究[J]. 刘东辉,卞建鹏,付平,刘智青.  河北科技大学学报. 2009(01)
[5]核函数的性质及其构造方法[J]. 王国胜.  计算机科学. 2006(06)
[6]沉降时间曲线呈“S”形的证明——从一维固结理论角度[J]. 刘子彤,梅国雄,宰金珉,赵维炳.  南京工业大学学报(自然科学版). 2003(05)
[7]灰色GM（1,1）模型参数估计的目标规划法[J]. 王香柯,王金柱.  青岛大学学报(自然科学版). 2002(02)
[8]灰色Verhulst模型预测软土地基建筑物的沉降[J]. 徐新跃,方德胜.  地下空间. 2001(S1)



本文编号：3508398