Régressions par machines à vecteurs supports pour la prédiction de séries chaotiques.

Nous nous intéressons à la prédiction de séries temporelles chaotiques à partir de régressions réalisées à l'aide de machines à vecteurs supports (SVM). Après avoir rappelé le principe de ces régressions par SVM, nous détaillons le schéma de prédiction. Nous illustrons ses performances par une mise en oeuvre, d'une part, sur des données synthétiques produites par le système dynamique de Hénon et, d'autre part, sur des données expérimentales issues de la base de données de Santa Fe communément utilisées comme référence dans les problèmes de prédictions de séries temporelles. Nous comparons positivement nos résultats à ceux proposés antérieurement dans la littérature