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