1.一種基于代表樣本的在線支持向量回歸機的石油期貨價格預測方法，其特征在于，包括如下步驟：

步驟1.采集石油期貨價格歷史數據：以當日開盤價、當日最高價、當日最低價、當日成交價、當日持倉量和前4天均價作為輸入樣本集X，并選擇后3天均價作為輸出集Y，形成石油期貨價格訓練集{X,Y}；

步驟2.計算石油期貨價格訓練集{X,Y}的代表樣本集{X^*,Y^*}；

步驟3.使用最小二乘支持向量回歸機對步驟2得到的代表樣本集{X^*,Y^*}進行訓練，構建石油期貨價格預測模型；

步驟4.實時采集石油期貨當前交易日的當日開盤價、當日最高價、當日最低價、當日成交價、當日持倉量和前4天均價，形成待預測樣本x_test；

步驟5.使用步驟3得到的石油期貨價格預測模型對待預測樣本x_test的后3天均價進行預測，得到其后3天均價的預測值y_test并輸出；

步驟6.判斷樣本x_test是否是新的代表樣本，若是，則更新代表樣本集，并重新構建石油期貨價格預測模型；若不是，則不更新代表樣本集；

步驟7.當代表樣本集中樣本數量超過設定的閾值時，對代表樣本集進行精簡：按照代表樣本的交易日期降序排列，剔除排名前p％的樣本，其中p為一個正常數；

步驟8.若無新數據到達，則等待；若有新數據到達，則轉向步驟4；

上述步驟2所述的計算石油期貨價格訓練集的代表樣本的具體步驟如下：

步驟2.1.在輸入樣本集X上使用支持向量域描述(support vector data description,SVDD)算法得到X在特征空間下的最小包含球的球心c₁和分布在最小包含球球面上的樣本集合X^*；

步驟2.2.計算X中除集合X^*外的每個樣本x_i到球心c₁在特征空間中的距離d_i，d_i的計算式為：

d_i＝||φ(x_i)-φ(c₁)||²，(1)

其中x_i表示X中第i個樣本且滿足φ()表示樣本從原始空間到核空間的映射函數；

步驟2.3.根據距離d_i值降序排列集合X中除X^*外的樣本，得到集合E₁；

步驟2.4.每次迭代，依據步驟2.3得到的排序結果順序取出E₁中樣本x_i，代入式(2)計算其權值向量μ_i，滿足i＝1,2,...,|E₁|，

minμi||φ(xi)-Σt=1|X*|μi,tφ(xt)||2,]]>

s.t.xi∈X*,0≤μi,t≤1,Σt=1|X*|μi,t=1,---(2)]]>

其中|X^*|表示X^*中樣本的個數；

步驟2.5.判斷x_i是否是代表樣本，若x_i滿足式(3)，則x_i是代表樣本，若x_i不滿足式(3)，則x_i不是代表樣本；

||φ(xi)-Σt=1|X*|μi,tφ(xt)||2>ϵ,---(3)]]>

其中ε是一個正常數；

步驟2.6.若x_i是代表樣本，則更新代表樣本集{X^*,Y^*}：X^*＝X^*∪{x_i}，Y^*＝Y^*∪{y_i}；若x_i不是代表樣本，則不更新代表樣本集{X^*,Y^*}，其中y_i是x_i對應的輸出值；

步驟2.7.轉到步驟2.4，直至遍歷E₁中所有的樣本；

上述步驟6所述的判斷樣本x_test是否是新的代表樣本，若是，則更新代表樣本集，并重新構建石油期貨價格預測模型；若不是，則不更新代表樣本集，具體步驟如下：

步驟6.1.轉到步驟2.5判斷樣本x_test是否是新的代表樣本；

步驟6.2.若x_test是新的代表樣本，則等待3天獲得其對應的后3天真實均價y_test-true，更新代表樣本集{X^*,Y^*}：X^*＝X^*∪{x_test}，Y^*＝Y^*∪{y_test-true}，再轉到步驟3使用最小二乘支持向量回歸機對{X^*,Y^*}進行訓練，重新構建石油期貨價格預測模型；若x_test不是新的代表樣本，則不更新代表樣本集。