基于独立成分分析的含噪声时间序列预测

提出一种基于独立成分分析(ICA) 的最小二乘支持向量机(LS-SVM), 用于时间序列的多步超前独立预测. 用ICA 估计预测变量中的独立成分(IC), 用不含噪声的IC 重新构建时间序列. 利用??- 最近邻法(??-NN) 减小训练集 的规模, 提出一种新的距离函数以降低LS-SVM 训练过程的计算复杂度, 并用约束条件对预测值进行后处理. 使用基 于ICA 的LS-SVM、普通LS-SVM 与反向传播神经网络(BP-ANN), 对多个时间序列进行对比预测实验. 实验结果表 明, 基于ICA 的LS-SVM 的预测性能优于普通LS-SVM 和