Indexed by：
Abstract：
为了进一步提升原油期货价格预测的精准性, 本文基于CEEMDAN分解算法和ELM极限学习机模型, 利用PSO粒子群优化算法对机器学习模型进行参数寻优, 进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测. 先基于CEEMDAN算法对原始价格序列进行分解, 然后利用Lempel-Ziv复杂度指数对分量进行重构, 得到高频、中频和低频重构分量, 再采用PSO-ELM模型对每个重构分量进行预测, 利用PACF系数选取模型输入变量,最终加总集成各分量预测结果. 实证结果表明, 与其他15种基准模型相比, CEEMDAN-PSO-ELM模型的预测性能最佳, MCS检验和DM检验也进一步证实了该模型的稳健性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机系统应用
ISSN： 1003-3254
CN： 11-2854/TP
Year： 2020
Issue： 2
Volume： 29
Page： 28-39
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 8
Affiliated Colleges：
