论文部分内容阅读
利用不同类型的时间序列资料，分析了最小二乘回归支持向量机(SL-SVMR：LeastSquare Support Vectors Machines for Regression)在非线性时间序列预测中的能力。对不受噪音污染的‘理想时间序列’的实验结果表明，该方法较其它统计回归技术和一般的回归支持向量机对非线性时间序列有较强的拟合和预测能力。对来自国家气候中心1982年1月-2005年12月共24年288个逐月Nino3区海温距平指数的预测试验表明，通过训练建立的最小二乘回归持向量机模型，较好地反映了Nino3区海温距平指数的变化规律， 36个月的预报效果很好，更长时间的预报也有一定的可信度。