智能支持向量回归预测技术研究

基于统计学习理论的机器学习技术- - 支持向量回归(SVR)被广泛应用于工程设计、地质勘探、金融和企业管理领域的预测问题，并取得较好效果。如何提高SVR预测技术的准确性、效率性和实用性是目前研究热点。本项目将在智能化SVR预测过程和如何应用SVR技术预测特异数据序列两个方面进行创新性研究，并开发相应预测支持系统（原型）。通过设计数据分类算法，以预测效果评价为基准，关联分析其与嵌入维选择、核函数选择、训练算法选择、超参数寻优策略的关系，生成指导SVR训练学习的规则集，使之能根据原始数据特征，按照预先设计的知识规则，智能化地完成SVR预测过程。本项目还将对常规数据和特异数据两种情形开展应用研究，特别关注特异数据序列中的历史数据贫乏和多零值数据点问题，力求在研究新的智能SVR预测技术的同时拓展和丰富SVR应用领域，藉此提高该研究成果的实用价值和推广价值。