基于优化EEMD和支持向量机的国内大豆价格预测

F323.7; [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...

Full description

Saved in:
Bibliographic Details
Published in广东农业科学 Vol. 46; no. 11; pp. 134 - 140
Main Authors 杨静, 张大斌, 方洁凤, 李培汉
Format Journal Article
LanguageChinese
Published 华南农业大学数学与信息学院,广东广州,510642 01.11.2019
Subjects
支持向量回归
大豆价格预测
平行延拓
EEMD
Online AccessGet full text
ISSN1004-874X
DOI10.16768/j.issn.1004-874X.2019.11.019

Cover

More Information
Summary:F323.7; [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.
ISSN:1004-874X
DOI:10.16768/j.issn.1004-874X.2019.11.019