基于降噪的单核方法模型的多步时间序列预测

摘 要：

准确的预测能够为决策提供重要参考。而噪声数据的存在对时间序列预测的精度有重要影响。为此，本文提出首先采用由数据驱动的经验小波转换的信号滤波方法进行数据预处理；然后，采用基于正则化学习的回归模型进行多步向前预测。在对所提出的模型训练过程中，本文提出进行核距离学习度量输入数据之间的相似度，并采用耦合模拟退火算法选取模型的参数。实证分析表明：相于传统预测模型，所提出的模型在预测精度上都有较大的改善。

个人简介：

胡建明，兰州大学数学与统计学院的在读博士研究生，博士期间以第一作者或通讯作者发表SCI论文6篇（一区3篇，二区3篇）。总被引用次数102次，其中1篇被ESI指标列为领域学科的高引用论文。于2015年8月---2016年8月期间，赴加拿大女王大学进行联合培养，从事通过多重生物标签进行癌症治疗的益处的预测研究。并担任两个SCI国际期刊的审稿人。研究兴趣：应用统计理论与方法，时间序列，统计学习，随机优化。