基于经验模式分解和极限学习机的铀资源价格预测方法

摘要：

针对国际铀资源价格预测问题，提出一种基于经验模式分解(EMD)、相空间重构(PSR)和极限学习机(ELM)的非线性组合预测方法。首先通过EMD分解，将原始价格序列分解为若干固有模态分量(IMF)，按频率高低将各IMF分组叠加成3个新序列；然后在重构相空间的基础上构建不同的ELM模型，分别对各IMF序列进行预测；最后对预测结果进行合成。将该方法应用于实际铀资源价格预测，并与径向基神经网络(RBF)方法及单独ELM方法进行比较，仿真结果表明该方法预测精度有明显的提高。

关键词：铀资源价格、经验模式分解、固有模态函数、相空间重构、极限学习机、组合预测

分类号：TP273(自动化技术及设备)

资助基金：江西省自然科学基金项目20114BAB201022；江西省高校人文社会科学研究项目GL1202；教育部人文社会科学研究青年基金项目12YJC630298

在线出版日期：2014-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1187-1192