lssvm预测程序.m

本程序是一个用LSSVM实现简单煤炭数据先拟合程序

%本程序是一个用LSSVM实现简单煤炭数据先拟合，再预测的例子
%数据来源可参考吴海山的"煤炭需求量预测的支持向量机模型"一文
%仿真结果比对请参考程序后面的注释
%工具箱为 LS-SVMlab1.5aw ，可以在http://www.esat.kuleuven.ac.be/sista/lssvmlab上下载
%---------------------------------------------------
%以下问题请研友讨论：
%(1)本人目前想用粒子群优化来优化sig2,gam，大家觉得可行性如何，附件中有一篇“Fast Bootstrap applied toLS-SVM for Long Term Prediction "，大家可共同研究 
%(2)以上用的是单步递推预测，大家有没有做过直接多步预测。
%(3)LSSVM调整的参数只有两个，从我的实验可以看出，gam的影响是比较小的，是否还有必要进行双参数优化
%(4)LSSVM工具箱中有windowizeNARX以及预测函数predict，我用其实验的时候速度即慢，运行两次均死机，最后放弃，哪位用过请讨论。
%(5)本人数学基础较差，对于LSSVM和SVR到底哪一个在函数预测上更好不置可否，请高人从理论上指点。文献上都说LSSVM稳健性及泛化能力强，速度快
%本人实验结果是加噪声后预测能力明显下降，而且加噪声后受参数影响变大。
%(6)RBF核函数到底比其它各种核函数好在哪里？能通俗点讲一下吗？
% 2005／9／22  [e-mail] QQ:24444345
%---------------------------------------------------

%信号准备
clc;clear all; close all;
t=1980:1:2002;%1980到2002年的煤炭产量,用80-98作为训练数据,99-02为测试数据
x=[61009.5 60583.8 64125.8 68713 74968.3 81603	86006	92799	99354	1.0343e+005 ...
    1.0552e+005	1.1043e+005	1.1409e+005	1.2092e+005	1.2853e+005	1.3768e+005	1.4473e+005	1.3925e+005	1.2949e+005];%...
                            % 1.2637e+005	1.2454e+005	1.2621e+005  1.3661e+005 ];% 99-02为测试数据
 xtest=[1.2637e+005	1.2454e+005	1.2621e+005  1.3661e+005 ];

%归一化
MAX=max(x);
MIN=min(x);
x=(x-MIN)./(MAX-MIN);
%-------------------------------------------------------------------------------
%构造输入输出矩阵
p=5;%embeded dimension，应该用CHAOS理论来求解，此处直接用了。
x=x';
Y_svm=x(p+1:end);
for i=p:-1:1
    X_svm(:,i)=x(p-i+1:end-i);
end
%---------------------------------------------------
%用LSSVM模型进行训练
gam = 10000;
sig2 = 2;
%---------------------------------------------------
%  gam low minimizing of the complexity of the model is emphasized,
%  for gam high, good fitting of the training data points is stressed.
%  large sig2 indicates a stronger smoothing. 
%---------------------------------------------------
type = 'function estimation';
% [alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel'});
%  [alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel','original'});
 [alpha,b] = trainlssvm({X_svm,Y_svm,type,gam,sig2,'RBF_kernel','preprocess'});
 
%不知道上面三个命令有什么实质区别，反正只调用'original'误差极大，调用其它两个均可
%---------------------------------------------------
% % 用LSSVM模型进行预测
%构造预测向量
step_to_predict=4;%预测09-02年的值
temp_matrix=x(end-p+1:end)';
%---------------------------------------------------
%  94.95,96,97,98－－－－>99
%  95,96,97,98,99－－－－>00
%  96,97,98,99,00－－－－>01
%  97,98,99,00,01－－－－>02

for i=1:1:step_to_predict
    Xt=temp_matrix;%先用94.95,96,97,98年的数据作为输入
    Yt = simlssvm({X_svm,Y_svm,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b},Xt);
%     figure; plotlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b});   
    temp_matrix=[temp_matrix(1,2:end)   Yt ] ;
end
svm_multi=(temp_matrix.*(MAX-MIN))+MIN;
error=svm_multi(2:end)-xtest;
err_percent=error./svm_multi(2:end);
err=error*error';
svm_multi(2:end)%因为最后矩阵里面是98,99,00,01,02后面的四个是预测值
err_percent
err
   %-------------------------------------------------------------------------------
  %仿真结果 
                           
     % gam = 10000;sig2 = 20;   1.2061    1.2860    1.3192    1.2939
                %err_percent = -0.0477    0.0315    0.0433   -0.0558     error^2 = 1.3444e+008
    % gam = 1000;sig2 = 2;   
                             %1.2051    1.2860    1.3187    1.2930
                             %-0.0486    0.0316    0.0429   -0.0566     error^2 =  =1.3634e+008
    % gam = 100;sig2 = 2; 
                             % 1.2013    1.2861    1.3165    1.2897
                             %-0.0519    0.0317    0.0413   -0.0592     error^2 =  =1.4353e+008
    % gam = 10;sig2 = 2;                          
                              % 1.1991    1.2846    1.3124    1.28611     
                              %  -0.0539    0.0305    0.0383   -0.0622   error^2 =  =1.4636e+008
                              %  从以上几组比对 可以看出,相同的sig2,gam 的变化对预测效果影响很小,相同的sig2,gam越大,误差平方和越小。误差百分比的水平也在一个水平上
                        
    % gam = 10;sig2 =0.2;     1.1497    1.2350    1.2024    1.1764 
               %err_percent =-0.0992   -0.0084   -0.0496   -0.1612  error^2 =  = 5.2651e+008
    % gam = 10;sig2 =0.8;     1.1742    1.2799    1.2721    1.2361 
               %err_percent = -0.0762    0.0270    0.0079   -0.1052 error^2 =  =  2.6190e+008

                             %  从以上几组比对 可以看出,sig2的变化对预测误差平方和影响很大,相同的gam,sig2越大,误差平方和越大
                      
%-------------------------------------------------------------------------------

% 2005／9／22  10:06am  [e-mail] QQ:24444345