基于異常值檢測(cè)的港口集裝箱吞吐量預(yù)測(cè)模型
摘要:考慮到諸如金融危機(jī)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(yù)測(cè)模型,并將其應(yīng)用于廣州港集裝箱吞吐量預(yù)測(cè).首先,對(duì)原始時(shí)間序列進(jìn)行X12加法季節(jié)分解,對(duì)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(cè),確定異常數(shù)據(jù)的位置,之后通過(guò)插值或最小二乘支持向量機(jī)(LSSVM)的預(yù)測(cè)值來(lái)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(cè)序列.預(yù)測(cè)階段,先采用奇異譜分析(SSA)將新的待預(yù)測(cè)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(duì)其進(jìn)行預(yù)測(cè).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(cè)精度.
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)雜志社