基于经验模式分解和极限学习机的铀资源价格预测方法
发布时间：2018-10-09 15:06
【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.
[Abstract]:To solve the problem of international uranium resource price prediction, a nonlinear combination forecasting method based on empirical mode decomposition (EMD),) phase space reconstruction (PSR) and extreme learning machine (ELM) is proposed. By EMD decomposition, the original price sequence is decomposed into several inherent modal components (IMF), each IMF group is superposed into three new sequences according to frequency, and then different ELM models are constructed on the basis of reconstructing phase space. Each IMF sequence is predicted, and the prediction results are synthesized. The method is applied to the prediction of actual uranium resource price, and compared with the radial basis function neural network (RBF) method and the single ELM method. The simulation results show that the prediction accuracy of this method is obviously improved.
【作者单位】： 江南大学数字媒体学院;东华理工大学理学院;
【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)
【分类号】：TD983
[Abstract]:To solve the problem of international uranium resource price prediction, a nonlinear combination forecasting method based on empirical mode decomposition (EMD),) phase space reconstruction (PSR) and extreme learning machine (ELM) is proposed. By EMD decomposition, the original price sequence is decomposed into several inherent modal components (IMF), each IMF group is superposed into three new sequences according to frequency, and then different ELM models are constructed on the basis of reconstructing phase space. Each IMF sequence is predicted, and the prediction results are synthesized. The method is applied to the prediction of actual uranium resource price, and compared with the radial basis function neural network (RBF) method and the single ELM method. The simulation results show that the prediction accuracy of this method is obviously improved.
【作者单位】： 江南大学数字媒体学院;东华理工大学理学院;
【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)
【分类号】：TD983
【参考文献】
相关期刊论文 前6条
1 王军栋;齐维贵;;基于EMD-SVM的江水浊度预测方法研究[J];电子学报;2009年10期
2 杨云飞;鲍玉昆;胡忠义;张瑞;;基于EMD和SVMs的原油价格预测方法[J];管理学报;2010年12期
3 玄兆燕;杨公训;;经验模态分解法在大气时间序列预测中的应用[J];自动化学报;2008年01期
4 李彬;李贻斌;;基于ELM学习算法的混沌时间序列预测[J];天津大学学报;2011年08期
5 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期
6 张华强;张晓燕;;基于混沌理论和LSSVM的蒸汽负荷预测[J];系统工程理论与实践;2013年04期
【共引文献】
相关期刊论文 前10条
1 汤俊;邹自力;张晓平;;利用经验模态分解和LSSVM预测隧道不均匀沉降[J];测绘科学;2011年03期
2 胡振鹏;林玉茹;;气候变化对鄱阳湖流域干旱灾害影响及其对策[J];长江流域资源与环境;2012年07期
3 汤俊;邹自力;张晓平;;相空间重构在滑坡预测中的应用[J];地理空间信息;2011年01期
4 朱伟芳;赵鹤鸣;陈小平;;一种最小长度约束的EMD包络拟合方法[J];电子学报;2012年09期
5 刘子先;邹刘霞;徐靖;;基于CUSUM控制图和SVM的单病种成本差异分析[J];工业工程与管理;2012年05期
6 崔W，
本文编号：2259782
本文链接：https://www.wllwen.com/kejilunwen/zylw/2259782.html
