基于異常值檢測的港口集裝箱吞吐量預測模型
摘要:考慮到諸如金融危機等重大事件的影響,時(shí)間序列可能存在異常值,提出了一個(gè)基于局部異常因子(LOF)的LOF-SSA-LSSVM預測模型,并將其應用于廣州港集裝箱吞吐量預測.首先,對原始時(shí)間序列進(jìn)行X12加法季節分解,對于分解得到的不規則序列,采用LOF算法進(jìn)行異常值檢測,確定異常數據的位置,之后通過(guò)插值或最小二乘支持向量機(LSSVM)的預測值來(lái)修正原始季節調整序列中的異常值,將修正后的季節調整序列與季節因子序列加和,即得到新的待預測序列.預測階段,先采用奇異譜分析(SSA)將新的待預測序列進(jìn)行分解重構,剔除序列中的噪聲,然后再采用LSSVM對其進(jìn)行預測.實(shí)證結果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有著(zhù)更好的預測精度.
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系數學(xué)的實(shí)踐與認識雜志社