文献类型：期刊文章

作　　者：于琼[1] 田宪[2]

YU Qiong;TIAN Xian(Confidentiality Department,Northwestern Polytechnical University,Xi’an 710072;School of Physics and Optoelectronic Engineering,Xidian University,Xi’an 710071,China)

机构地区：[1]西北工业大学保密处,陕西西安710072 [2]西安电子科技大学物理与光电工程学院,陕西西安710071

出　　处：《计算机工程与科学》

年　　份：2021

卷　　号：43

期　　号：10

起止页码：1817-1825

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

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  

分 类 号：TP399]