文件名称:论文研究-基于EEMD和进化KPCR的复杂时间序列自适应预测建模.pdf
文件大小:817KB
文件格式:PDF
更新时间:2022-10-10 12:34:53
论文研究
论文研究-基于EEMD和进化KPCR的复杂时间序列自适应预测建模.pdf, 针对具有非线性、非平稳、多尺度特性的复杂时间序列, 提出一种基于集合经验模态分解(EEMD) 和进化核主成分回归(KPCR)的自适应预测建模方法. 首先运用能克服传统EMD算法中模态混叠现 象的EEMD算法, 按原始时间序列信号的构成特点将其分解到不同尺度, 然后对不同尺度序列采用 C-C方法重构相空间, 在相空间中运用基于混合核函数的KPCR方法构建预测函数. 同时, 针对不同 尺度序列预测模型的优选问题, 采用粒子群优化(PSO)算法在给定准则下自适应确定各项参数, 最后将不同尺度预测结果集成, 得到实际时间序列的预测值. 通过对国际原油价格的数据进行实 证预测分析, 表明了该方法能够在不同尺度对时间序列的变化趋势进行有效描述, 自适应获取优 化的预测模型. 与现有方法相比, 具有较强的自适应建模能力和较高的预测精度.