本·马布罗克(Anouar Ben Mabrouk);赫迪·科塔斯;邹海尔迪法伊 一种用于时间序列预测的小波支持向量机耦合方法。 (英语) Zbl 1156.62061号 国际小波多分辨率。信息处理。 6,第6号,851-868(2008). 摘要:提出了一种基于小波分解和贝叶斯最小二乘支持向量机回归的混合时间序列预测方法。作为滤波步骤,使用最大重叠离散小波变换,将原始时间序列映射到一个按比例的基础上,生成具有更简单时间动态结构的新时间序列的结果集。接下来,我们提供了一个按比例的贝叶斯最小二乘支持向量机预测器。随后,对单个尺度的预测进行重新组合,得出总体预测。通过与现有建模和预测方法的比较,NINO3 SST异常指数显示了建议程序的相关性。 引用于6文件 MSC公司: 62平方米 随机过程推断和预测 65T60型 小波的数值方法 62M45型 神经网络及从随机过程推断的相关方法 42立方厘米 涉及小波和其他特殊系统的非三角调和分析 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 关键词:最大重叠离散小波变换;最小二乘支持向量机 软件:LS-SVMlab公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Ben Mabrouk}等人,Int.J.Wavelets多分辨率。信息处理。6,第6号,851--868(2008;Zbl 1156.62061) 全文: 内政部 参考文献: [1] 内政部:10.1142/S0219691307002002·Zbl 1135.62076号 ·doi:10.1142/S0219691307002002 [2] 内政部:10.1080/095400997116766·doi:10.1080/095400997116766 [3] 内政部:10.1142/S0219691307002105·Zbl 1197.42020号 ·doi:10.1142/S0219691307002105 [4] 内政部:10.1142/S0219691308002410·Zbl 1268.42069号 ·doi:10.1142/S0219691308002410 [5] DOI:10.1016/j.amc.2007.09.067·Zbl 1142.65012号 ·doi:10.1016/j.amc.2007.09.067 [6] 内政部:10.1007/978-1-4419-0320-4·Zbl 0709.62080号 ·数字对象标识代码:10.1007/978-1-4419-0320-4 [7] 内政部:10.1109/TPWRS.2005.846054·doi:10.1109/TPWRS.2005.846054 [8] 内政部:10.1137/1.9781611970104·Zbl 0776.42018号 ·doi:10.137/1.9781611970104 [9] 内政部:10.1029/97JC01736·doi:10.1029/97JC01736 [10] 麦凯D.J.C.,ASHRAE Trans。100页1053– [11] 内政部:10.1109/34.192463·Zbl 0709.94650号 ·数字对象标识代码:10.1109/34.192463 [12] R.M.Neal,神经网络和机器学习,北约ASI系列F:计算机和系统科学168,编辑C.M.Bishop(Springer-Verlag,1998)pp。97–129. [13] 内政部:10.1007/978-1-4612-0745-0·doi:10.1007/978-1-4612-0745-0 [14] DOI:10.1017/CBO9780511841040·doi:10.1017/CBO9780511841040 [15] 内政部:10.1142/S0219691303000153·Zbl 1041.62080号 ·doi:10.1142/S0219691303000153 [16] DOI:10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2个·doi:10.1175/1520-0442(2002)015<1609:AIISAS>2.0.CO;2 [17] DOI:10.1016/S0925-2312(01)00648-8·Zbl 1006.68784号 ·doi:10.1016/S0925-2312(01)00648-8 [18] 内政部:10.1142/5089·doi:10.1142/5089 [19] DOI:10.1023/A:1018628609742·doi:10.1023/A:1018628609742 [20] Suykens J.A.K.,《神经网络世界》10,第29页- [21] 内政部:10.1109/72.935093·数字对象标识代码:10.1109/72.935093 [22] 内政部:10.1162/089976602753633411·Zbl 1003.68146号 ·doi:10.1162/089976602753633411 [23] 内政部:10.1007/978-1-4757-2440-0·数字对象标识代码:10.1007/978-1-4757-2440-0 [24] Vapnik V.N.,统计学习理论(1998)·Zbl 0935.62007号 [25] 数字对象标识码:10.1111/j.1467-8667.2007.00489.x·网址:10.1111/j.1467-8667.2007.00489.x [26] DOI:10.1016/S0378-7796(01)00138-9·doi:10.1016/S0378-7796(01)00138-9 [27] Zheng G.,J.计算机。智力。财务7第18页– 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。