论文部分内容阅读
金融、通信和气象等领域中高频时间序列的边际分布均为重尾分布,而传统时间序列预测算法大多将数据流考虑为正态分布,导致传统算法无法适用于重尾分布的时间序列。针对这种情况,提出一种基于演化算法和改进概率分类器的重尾时间序列预测算法。将预测提前量和预测准确率作为两个优化目标,利用演化算法对两个目标进行独立优化。对高斯过程分类进行改进,使其支持重尾时间序列的分类问题,并且优化了时间效率。实验结果表明,该算法有效地提高了时间序列的预测准确率。