论文部分内容阅读
根据部分时间序列数据贫信息、高噪声和非线性等特点,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G替代传统SVR中的不变参数来提高模型的准确性,同时构造算法决定£以平滑过度调节.广东省工业生产指数的预测试验结果表明,复合模型具有比其他简单模型更理想的预测效果.