基于优化EEMD和支持向量机的国内大豆价格预测

论文摘要

【目的】国内大豆的价格易受到多种因素的影响,具有非线性等特点,很难进行准确的预测。为了提高预测精度,提出一种优化的EEMD-SVR集成预测方法。【方法】为解决EMD分解中存在的模态混叠和端点效应问题,使用EEMD和平行延拓法结合的优化方法,加入白噪声并在原始序列两端延拓出多个极值,将大豆原始价格分解为多个IMF分量,从而使数据趋于平稳。运用支持向量回归（SVR）算法对各分量进行预测,引入遗传算法寻找参数最优解,对各分量的预测结果进行再次集成,重构大豆市场价格预测值。【结果】为了检验优化组合模型的预测效果,采取多种模型进行比较,结果发现预测指标MSE、RMSE、MAPE都有明显提高。【结论】采用优化的EEMD分解算法和支持向量机的组合模型,可以有效抑制EMD分解的端点效应和模态混叠问题,相对于其他传统预测模型,预测效果更好。

论文目录

• 1 材料与方法
•   1.1 EEMD分解优化
•     1.1.1 集成经验模态分解
•     1.1.2 平行延拓法
•   1.2 基于改进的EEMD和SVR的预测建模
•   1.3 数据获取
• 2 结果与分析
•   2.1 价格序列分解与分析
•   2.2 SVR预测模型构建
•   2.3 预测结果与分析
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 杨静,张大斌,方洁凤,李培汉

关键词: 平行延拓,支持向量回归,大豆价格预测

来源: 广东农业科学 2019年11期

年度: 2019

分类: 农业科技,信息科技,经济与管理科学

专业: 自动化技术,农业经济,市场研究与信息

单位: 华南农业大学数学与信息学院

基金: 广东省自然科学基金(2016A030313402),广东省大学生创新创业项目(201810564104)

分类号: F323.7;TP181

DOI: 10.16768/j.issn.1004-874X.2019.11.019

页码: 134-140

总页数: 7

文件大小: 1302K

下载量: 143