FORECASTING TIME SERIES WITH GENETIC PROGRAMMING. BASED ON LEAST SQUARE METHOD
Yang Yang, Fengmei, LI ., Meng, Huang, Anqiang, Jian JIAN · 系统科学与复杂性：英文版 · 2014
尽管时间系列事实上经常是非线性的，人们趋于使用线性模型根据真相不必要地在一些假设下面适合他们，它 unsurprisingly 导致不能令人满意的性能。这份报纸建议一个预报方法：基因编程基于最不方形的方法(GP-LSM ) 。继承基因算法(GA ) 的优点，没有依靠数据的特别分发，因为它恰当的非线性的模型，和加薪的能力，这个方法能改进预言精确性得益于最少的方形的方法(LSM ) 的集中速度。以便验证这个方法的有效性，作者把这个方法与季节的汽车回归作比较综合移动一般水准(SARIMA ) 和背繁殖人工的神经网络(BP-ANN ) 。实验分析的结果证明 GP-LSM 的那预报精确性和方向预言精确性显然比其它的那些好。