摘要： 时间序列预测在多个学科中被广泛运用，考虑到时间序列与被预测目标间的动态 相关性对预测结果可能产生的影响，在 ＸＧＢｏｏｓｔ算法基础上设计出一种依据动态相关性的大小 自动优化输入特征的 ＧＡＳＣｏｐｕｌａＸＧＢｏｏｓｔ模型。引入能够衡量反向相关性的半旋转 Ｃｌａｙｔｏｎ Ｃｏｐｕｌａ和半旋转 ＧｕｍｂｅｌＣｏｐｕｌａ函数，利用 ＧＡＳ演化方程将半旋转 Ｃｏｐｕｌａ函数与常用的 Ｃｏｐｕｌａ 函数拓展为时变 Ｃｏｐｕｌａ函数，对输入因子与被预测目标间的动态相关性进行测度；根据动态相 关性设定阈值并设计动态程序，利用 ＸＧＢｏｏｓｔ算法预测，将模型应用于一带一路主题指数预测 研究。结果表明：部分数据组合的相关性由半旋转 Ｃｏｐｕｌａ函数描述更为准确，ＧＡＳＣｏｐｕｌａＸＧ Ｂｏｏｓｔ模型在分类预测精度上较 Ｌｏｇｉｓｔｉｃｓ、随机森林和 ＸＧＢｏｏｓｔ均有提升；在回归预测上，误差较 ＢＰ神经网络、ＳＶＲ和 ＸＧＢｏｏｓｔ分别降低 ３７．８７５３％、１７．４８６５％和 ５．３６１２％。?

关键词: 时间序列预测；ＧＡＳＣｏｐｕｌａ；半旋转 Ｃｏｐｕｌａ；动态相关性；ＸＧＢｏｏｓｔ算法；一带一路 主题指数

中图分类号: 

• TP273