[发明专利]一种非线性核化自适应预测方法

摘要

本发明公开了一种非线性核化自适应预测方法，包括数据预处理、子空间划分、子空间自适应拟合控制、子空间连接、新样本预测、预测输出六个步骤。流程是：数据经过预处理后，将数据整体空间剖分为若干个连续的子空间，在每个子空间上基于粒子群支持向量回归的智能滑动控制器，自适应选择最优核和参数，构造局部最优拟合超曲面，进而利用拉格朗日三点插值加以连接，以形成最终的全空间回归预测函数，然后对新数据进行预测、输出。本发明实现了数据特征空间划分，提高了大规模多属性非线性数据预测速度；基于粒子群支持向量回归智能滑动控制器，自适应筛选适应数据分布的核函数，优化整体参数，确保了拟合预测精确度和准确率。

主权项

1.一种非线性核化自适应预测方法，其特征是依次包括以下六个步骤：数据预处理、子空间划分、子空间自适应拟合控制、子空间连接、新样本预测和预测输出；数据经过预处理后，将数据整体空间剖分为若干个连续的子空间，在每个子空间上基于粒子群支持向量回归的智能滑动控制器，自适应选择最优核和参数，构造局部最优拟合超曲面，进而利用拉格朗日三点插值加以连接，以形成最终的全空间回归预测函数，然后对新数据进行预测、输出；具体步骤如下：(1)数据预处理，用户提交预测请求的数据(x，y)给数据预处理模块；数据预处理模块对数据归一化处理，并将数据随机分成四份，前三份作为训练数据，最后一份作为预测测试数据；(2)子空间划分，捕捉训练数据x各个维度的最大值max和最小值min，将其等距离地划分为t个连续的子空间Ω_i，i＝1，2，...，t，使得各个子空间区间度为子空间Ω_i∩Ω_j＝Φ，i≠j；(3)子空间自适应拟合控制，在每个子空间Ω_j上基于粒子群支持向量回归原理，通过自适应智能滑动控制器，筛选输出局部最优拟合超曲面这里，α_ij和为SVR的非负Langrange乘子，b_j为最优拟合面的平移分量，K(·)为选择的核函数，l_j为子空间Ω_j中的训练样本数，x_ij为子空间Ω_j中第i个训练样本；(4)子空间连接，将各个拟合超曲面在边界附近构造一个缓冲区域，在该缓冲区域中，对相邻子空间Ω_j、Ω_j+1的最优拟合面和端点，应用拉格朗日三点插值逐步拟合连接全空间Ω，形成整体拟合函数(5)新样本的预测，将预测测试数据x带入函数模型，系统自动计算各个子空间中的误差，选定误差最小的曲面为最优拟合曲面，获取数据x的预测值(6)将预测值利用反归一化方法后，还原输出。