基于群智能算法和模态分解的大豆价格预测

论文摘要

准确预测大豆价格对维护农户基本收益和健全粮食价格市场形成机制至关重要。大豆价格因其非线性、高波动性等特点,传统时间序列模型难以满足精度要求和社会经济需要。本文利用4种经验模态分解方法（EMD、EEMD、CEEMD、ICEEMD）对大豆价格时序数据进行分解,然后用5种群智能优化算法（蜂群ABC、布谷鸟CS、蜻蜓DA、蝗虫GOA、粒子群PSO）优化的支持向量回归（SVR）模型分别进行预测,最后子序列预测值通过线性集成方法得到大豆价格最终预测值。为了验证分解-优化混合模型预测效果,引入单一SVR和未分解-优化模型作为基准比对,从30个模型预测结果对比和模型检验两个维度进行分析,发现混合模型在预测大豆期货价格数据上有更好的预测精度。

论文目录

• 一、文献综述
• 二、研究方法
•   （一） 经验模态分解
•   （二） 支持向量回归
•   （三） 群智能优化算法
•   （四） 分解-预测-集成模型
• 三、实证分析
•   （一） 数据来源与评价标准
•     1.数据来源
•     2.评价标准
•   （二） 分解结果与趋势分析
•   （三） SOA-SVR预测结果分析
• 四、结语

文章来源

类型: 期刊论文

作者: 何润奇

关键词: 经验模态分解,群智能优化算法,支持向量回归,大豆期货价格

来源: 中南财经政法大学研究生学报 2019年02期

年度: 2019

分类: 经济与管理科学,信息科技

专业: 自动化技术,农业经济,市场研究与信息

单位: 中南财经政法大学统计与数学学院

分类号: TP18;F323.7

页码: 24-32

总页数: 9

文件大小: 1820K

下载量: 28