基于组合模型的非线性时间序列预测算法

摘要：

为解决复杂系统中非线性时间序列预测模型构建效率低、预测精度低的问题,提出基于组合模型的HURST-EMD预测算法.采用EMD算法将非线性时间序列分解为代表原始序列特征的各个IMF,然后引入赫斯特(Hurst)指数将同类的IMF整合为新的分量,最后选用LS-SVR-ARIMA模型进行组合预测.在该算法中,设计了序列分类整合等过程,优化了建模的计算量,构建了高效精准的预测模型.为验证模型的有效性,采用上证指数公共数据集和真实交通流数据进行检验,实验结果表明,改进的基于组合模型的HURST-EMD预测算法在提高预测效率的同时具有更好的预测精度.

关键词：非线性时间序列;经验模态分解;赫斯特指数;组合预测模型

所属期刊栏目：43

分类号：TP399(计算技术、计算机技术)

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1817-1825