基于经验模式分解和极限学习机的铀资源价格预测方法
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。
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
TP273(自动化技术及设备)
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
2014-07-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
1187-1192