时序峰值预测的最小二乘支持向量回归模型

针对最小二乘支持向量回归模型中, 呈稀疏分布的时序峰值样本拟合预测误差偏大的问题, 基于加权最小 二乘思想, 提出一种新的用于时序峰值预测的最小二乘支持向量回归模型. 根据样本分布密度和输出期望幅值, 优化 了经验风险控制目标. 解得模型的拟合预测误差不受样本分布的影响, 而且在保持整体样本拟合预测精度的同时, 对 峰值样本的拟合预测精度有了显著提高. Lorenz 时序预测和电力负荷预测的仿真结果表明了模型的有效性.