SVM与神经网络在时间序列预测中的比较被引量：5

下载PDF

导出

摘要神经网络和支持向量机都能有效地预测时间序列数据,但各自结构特点不同,导致其预测性能有差别。文章从理论和实践上比较了支持向量机与神经网络的优缺点。

作者奉国和

机构地区华南师范大学经济管理学院

出处《现代管理科学》 2006年第9期40-41,共2页 Modern Management Science

关键词支持向量神经网络时间序列预测

分类号 F224 [经济管理—国民经济]

引文网络
相关文献

参考文献3

1段虎,沈菲.证券市场的混沌研究及相空间预测[J].数量经济技术经济研究,2002,19(7):111-114. 被引量：3
2吕金虎等.混沌时间序列分析及其应用.武汉:武汉大学出版社,2001. 被引量：1
3L.J.Cao,Q.M.Gu.Dynamic support vector machines for non-stationary time series forecasting.Intelligent Data Analysis,2002,6(1):1-16. 被引量：1

二级参考文献2

1赵贵兵,石炎福,段文锋,余华瑞.从混沌时间序列同时计算关联维和Kolmogorov熵[J].计算物理,1999,16(3):309-315. 被引量：64
2王永忠,曾昭磐.混沌时间序列的局域线性回归预测方法[J].厦门大学学报（自然科学版）,1999,38(4):636-640. 被引量：6

共引文献2

1程义峰,文远竹.农民工生存现状扫描[J].瞭望,2002(19):28-30. 被引量：4
2李玉锁,齐中英.基于相空间重构的同业拆借利率混沌特性研究[J].中国管理科学,2006,14(6):140-143. 被引量：1

同被引文献33

1姜明辉,袁绪川.基于后验概率的个人信用评估SVM模型[J].四川大学学报（工程科学版）,2007,39(S1):10-13. 被引量：1
2肖智,王明恺,谢林林.基于支持向量机的大学生助学贷款个人信用评价[J].清华大学学报（自然科学版）,2006,46(z1):1120-1124. 被引量：20
3丁欣.国外信用风险评估方法的发展现状[J].湖南大学学报（社会科学版）,2002,16(S1):140-142. 被引量：16
4吴冲,夏晗.基于支持向量机集成的电子商务环境下客户信用评估模型研究[J].中国管理科学,2008,16(S1):362-367. 被引量：18
5李洋,李文平,刘登宪.潘谢矿区导水裂隙带发育高度与采厚关系回归分析[J].地球与环境,2005,33(B10):66-69. 被引量：23
6江田汉,束炯.基于LSSVM的混沌时间序列的多步预测[J].控制与决策,2006,21(1):77-80. 被引量：27
7刘涵,刘丁.基于模糊sigmoid核的支持向量机回归建模[J].控制理论与应用,2006,23(2):204-208. 被引量：17
8郭辉,刘贺平,王玲.最小二乘支持向量机参数选择方法及其应用研究[J].系统仿真学报,2006,18(7):2033-2036. 被引量：103
9肖文兵,费奇.基于支持向量机的个人信用评估模型及最优参数选择研究[J].系统工程理论与实践,2006,26(10):73-79. 被引量：47
10李方方,赵英凯,姜志兵.基于支持向量机的油品质量预测[J].计算机工程,2007,33(2):200-202. 被引量：6

引证文献5

1李望晨,王培承,潘庆忠.BPNN与SVM在医院管理综合评价中的应用[J].中国卫生统计,2008,25(1):15-17. 被引量：2
2王竹林,夏兴宇,张晓龙.基于最小二乘支持向量机的某控制系统故障预测研究[J].仪表技术,2010(5):8-10. 被引量：3
3谭希鹏,施龙青,王娟,季小凯,景行,邢同菊,刘云.基于支持向量机的导水裂隙带发育高度预测[J].煤矿安全,2014,45(8):46-49. 被引量：9
4谭希鹏,施龙青,邱梅,徐东晶,季小凯,王娟.基于支持向量机的赵官矿小断层预测[J].煤田地质与勘探,2015,43(5):11-14. 被引量：3
5刘潇雅,王应明.基于支持向量机集成的个人信用评估研究[J].计算机工程与应用,2020,56(14):272-278. 被引量：4

二级引证文献21

1鲁佳俐,倪静.基于混合交叉赋权的多属性电商信用评价模型[J].智能计算机与应用,2022,12(2):6-12.
2程平,何昱衡,辜榕容.基于支持向量机机器学习算法的项目人员绩效评价研究――基于A风景园林规划研究院规划设计类项目[J].中国管理会计,2020(1):32-43. 被引量：2
3李望晨,张利平,李向云,王在翔.基于SVM的死亡率时间序列预测设计与分析[J].中国卫生统计,2010,27(1):76-77. 被引量：8
4管小清,陈渌漪.最小二乘支持向量机在焊缝跟踪中的应用[J].现代制造工程,2011(9):103-105.
5王艳雄,刘占锋,朱延玲,杨远满,胡晓燕.基于支持向量机的发动机缸壁间隙识别[J].公路与汽运,2013(2):18-21. 被引量：1
6杨远满,刘占峰,王艳雄,朱延玲.支持向量机在发动机缸壁间隙识别中的应用[J].内燃机与配件,2013(10):12-14.
7谢骁旭,袁兆康.基于R的江西省肺结核发病率ARIMA-SVM组合预测模型[J].中国卫生统计,2015,32(1):160-162. 被引量：15
8韩进,王颖,施龙青,高卫富.基于GA-SVM大采深条件下底板破坏深度回归分析[J].煤炭技术,2017,36(6):7-9. 被引量：2
9陈元非,査剑锋,王磊,徐孟强,张正华,李晋龙.大采高开采条件下导水裂隙带发育高度预测研究[J].煤炭技术,2017,36(6):176-178. 被引量：5
10施龙青,刘天浩,于小鸽,冯涛,马金伟.封堵矿井突水点注浆量预测研究[J].中国煤炭,2017,43(6):110-115. 被引量：1

1何迎生,段明秀.基于RBF神经网络的时间序列预测[J].吉首大学学报（自然科学版）,2008,29(3):52-54. 被引量：7
2杨娟丽,徐梅,王福林,王吉权,刘慧.基于BP神经网络的时间序列预测问题研究[J].数学的实践与认识,2013,43(4):158-164. 被引量：36
3张玉瑞,陈剑波.基于RBF神经网络的时间序列预测[J].计算机工程与应用,2005,41(11):74-76. 被引量：38
4李元彬.数据挖掘技术在工程项目成本预测中的应用[J].四川兵工学报,2009,30(1):146-148. 被引量：6
5沈谦,王涛.基于改进的RBF网络的混沌时间序列预测[J].微机发展,2003,13(1):3-4.
6周辉仁,郑丕谔.LS-SVM的参数优选及铁路客运市场预测[J].计算机工程与应用,2007,43(30):206-208. 被引量：6
7雷正伟,徐章遂,米东,刘美全.神经网络的预测性能的优化分析[J].计算机测量与控制,2004,12(1):15-16. 被引量：15
8蔡静.序列模式挖掘导引[J].科技信息,2007(36):24-25.
9王蕊,牟少敏,曹学成,苏平.核机器学习方法及其在生物信息学中的应用[J].山东农业大学学报（自然科学版）,2012,43(3):407-412. 被引量：1
10小新.修复损坏的媒体文件[J].电脑迷,2007,0(13):63-63.

现代管理科学

2006年第9期

浏览历史

内容加载中请稍等...

SVM与神经网络在时间序列预测中的比较被引量：5

参考文献3

二级参考文献2

共引文献2

同被引文献33

引证文献5

二级引证文献21

相关作者

相关机构

相关主题

浏览历史

SVM与神经网络在时间序列预测中的比较 被引量：5

参考文献3

二级参考文献2

共引文献2

同被引文献33

引证文献5

二级引证文献21

相关作者

相关机构

相关主题

浏览历史

SVM与神经网络在时间序列预测中的比较被引量：5