[發明專利]基于支持向量回歸的時間序列預測方法及系統

無效

• 申請號: 201110320482.5
• 申請日: 2011-10-20
• 公開（公告）號: CN102360388A
• 公開（公告）日: 2012-02-22
• 發明（設計）人: 張莉;周偉達;王邦軍;李凡長;楊季文;何書萍
• 申請（專利權）人: 蘇州大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 常亮;李辰

1.一種基于支持向量回歸的時間序列預測方法，其特征在于，包括：

從已有的時間序列數據集中選取歷史數據，得出多個訓練數據集；

確定待構建的SVR模型的正則參數和高斯核參數，依據所述正則參數和 高斯核參數，分別對每個訓練數據集進行訓練，構建自身對應的支持向量回 歸SVR模型；

選取t-T+1時刻至當前t時刻之間的T個歷史數據，其中，T為所述SVR 模型的個數；

在被預測時刻與當前時刻的第一差值小于等于所述SVR模型的個數的情 況下，選取與所述第一差值對應的SVR模型，對所述T個歷史數據直接利用 該SVR模型獲得被預測時刻的預測值。

2.根據權利要求1所述的基于支持向量回歸的時間序列預測方法，其特 征在于，還包括：在被預測時刻與當前時刻的第一差值大于所述SVR模型的 個數的情況下，對所述T個歷史數據利用多個SVR模型獲得被預測時刻的預 測值。

3.根據權利要求2所述的基于支持向量回歸的時間序列預測方法，其特 征在于，所述對T個歷史數據利用多個SVR模型直接獲得被預測時刻的預測 值包括：在被預測時刻與當前時刻的第一差值大于所述SVR模型的個數的情 況下，利用選取的T個歷史數據分別對應的SVR模型，得出T個歷史數據自 身的預測值；

將所述得出的T個歷史數據自身的預測值更新為選取的t-T+1時刻至當前 t時刻之間的T個歷史數據，并將所述第一差值與SVR模型的個數的第二差 值作為被測時刻；

判斷該被測時刻與當前時刻的差值是否大于所述SVR模型的個數，在所 述差值小于等于所述SVR模型的個數的情況下，執行選取與所述第一差值對 應的SVR模型，對所述T個歷史數據直接利用該SVR模型獲得被預測時刻 的預測值的步驟，在所述差值大于所述SVR模型的個數的情況下，執行利用 選取的T個歷史數據分別對應的SVR模型，得出T個歷史數據自身的預測值 的步驟。

4.根據權利要求1至3任意一項所述的基于支持向量回歸的時間序列預 測方法，其特征在于，采用交叉驗證方法，確定待構建的SVR模型的正則參 數和高斯核參數。

5.根據權利要求1至3任意一項所述的基于支持向量回歸的時間序列預 測方法，其特征在于，不同訓練數據集包括的時間序列數據子集個數不同。

6.一種基于支持向量回歸的時間序列預測系統，其特征在于，包括：

數據集得出模塊，用于從已有的時間序列數據集中選取歷史數據，得出 多個訓練數據集；

SVR模型構建模塊，用于確定待構建的SVR模型的正則參數和高斯核參 數，依據所述正則參數和高斯核參數，分別對每個訓練數據集進行訓練，構 建自身對應的支持向量回歸SVR模型；

數據選取模塊，用于選取t-T+1時刻至當前t時刻之間的T個歷史數據， 其中，T為所述SVR模型的個數；

第一預測模塊，用于在被預測時刻與當前時刻的第一差值小于等于所述 SVR模型的個數的情況下，選取與所述第一差值對應的SVR模型，對所述T 個歷史數據直接利用該SVR模型獲得被預測時刻的預測值。

7.根據權利要求6所述的基于支持向量回歸的時間序列預測系統，其特 征在于，還包括：第二預測模塊，用于在被預測時刻與當前時刻的第一差值 大于所述SVR模型的個數的情況下，對所述T個歷史數據利用多個SVR模 型獲得被預測時刻的預測值。