● 摘要
通过组合多个预测模型来提高模型的整体预测精度是一种常用的方法，在众多经典的组合模型方法中，提升（boosting）方法以训练误差率低、收敛速度快、模型架构简单著称。提升方法一般被应用在分类预测问题上，如自适应提升方法。本文提出了一种将提升方法用于回归预测问题上的算法，并在理论上给出了算法的误差分析。论文首先简要介绍了预测模型的基本原理和一些重要概念，然后对两种重要的预测算法BP神经网络和支持向量机进行了基本原理介绍与算法特点分析，接下来以这两种预测算法作为基础模型构建了基于提升方法的组合回归预测模型，最后将这个模型应用于煤矿安全数据预测上，实验结果表明基于提升方法的组合回归预测模型与单个预测模型相比预测准确率有了显著的提高。