多任务LS-SVM在时间序列预测中的应用

来源：计算机工程与应用杂志2018年第3期北京时间：

作者：贾松达1，庞宇松1，2，阎高伟1

单位：1.太原理工大学 信息工程学院，太原 030024 ；2.荷兰代尔夫特理工大学 机械海运与材料工程学院，荷兰 2628CD

摘要：针对单任务时间序列中存在的信息挖掘不充分、预测精度低等问题，提出了一种基于多任务最小二乘支持向量机（MTLS-SVM）的时间序列预测方法。该方法将多个时间序列任务同时进行学习，使得在训练过程中任务之间能够相互牵制起到归纳偏置作用，最终有效提高模型的预测精度。首先，利用相邻时间点之间的密切相关性，构造多个相邻时间点的学习任务，然后将每个任务对应的数据集同时训练MTLS-SVM模型并将其用于预测。将该方法用于几个时间序列数据集并与单任务LS-SVM方法相比，实验结果表明该方法具有较高的预测精度，验证了方法的可行性和有效性。

关键词：时间序列预测,多任务学习,最小二乘支持向量机,相关性