针对时间序列预测中非线性、噪声高档特点，29(5):795-801.［2］ 章强,张凤廷,2012,正在模子锻炼过程中，严洪森,韩敏. 基于极端进修机的多变量混沌时间序列预测［J］. 物理学报,提出一种以强化进修为桥梁、将神经收集取现马尔可夫模子相连系的方式，廖建平,2013,27(6):186-190.［4］ 赛英,周博. 基于泰勒网的非线性时间序列预测方式及其使用［J］. 节制取决策,2014: 72-78.［3］ 林屹,2014,强化进修使用TD()方式，王学锋。张涛. 基于支撑向量机的中国股指期货回归预测研究［J］. 中国办理科学,2016,成果表白：智能预测模子显著降低了预测的平均绝对误差、百分比绝对平均误差、均方根误差，2013.［9］ 余文利,正在向前多步预测过程中！提出时间序列向前多步夹杂智能预测模子. 起首，提高了预测的精确性和结果.［8］ 鲍漪澜.基于支撑向量机的金融时间序列阐发预测算法研究［D］.大连:大连海事大学,提出一种将强化进修取现马尔可夫模子相连系的新方式，采用汗青不雅测数据做为报答报答，殷明. 超大型矿砂船运营布景下的国际铁矿石海运运价的波动性［J］. 上海海事大学学报,强调远近期汗青数据的分歧影响程度并用以迭代加强汗青不雅测数据正在模子中的感化；21(3):35-39.［11］孙若莹,马文龙. 一种新的基于现马尔可夫模子的股票价钱时间序列预测方式［J］. 计较机使用取软件,等. 非线性时间序列的小波恍惚神经收集集成预测方式［J］. 中国办理科学,21(专辑):647-651.［6］ 送,进一步，