立足于我国农产品价格波动日渐复杂的客观事实及对农产品价格波动幅度和趋势精准预测的现实需求,本书以数据驱动思想为指导,对分解集成预测方法论的三个研究步骤进行改进与完善。首先,针对时序分解,提出一种具有数据自适应性的改进经验模态类分解算法,解决端点效应及模态混淆问题;其次,针对单项预测,设计一种以时间序列统计特征为依据的预测模型自适应选择分类器,解决预测模型选择的主观性问题;再次,针对集成子集选择,设计一种以单项预测结果蕴含的信息量为依据的最优子集筛选算法,完善最优子集选择的理论依据;最后,针对集成预测的多样性,提出了融合网络搜索数据及多时间尺度数据的集成预测策略,丰富集成预测的数据来源。
样章试读
目录
- 目录
第1章 绪论 1
1.1 本书背景与意义 1
1.2 国内外研究现状 5
1.3 本书的研究思路 15
1.4 本章小结 21
第2章 本书的研究框架 22
2.1 相关理论知识 22
2.2 实验方案 28
第3章 数据驱动的时序分解方法 32
3.1 时序分解方法综述 32
3.2 经验模态类分解算法原理及存在问题 35
3.3 端点效应抑制方法改进研究 42
3.4 模态混淆抑制方法改进研究 47
3.5 本章小结 54
第4章 数据驱动的预测模型自适应选择 55
4.1 预测模型选择综述 55
4.2 基于时序特征的预测模型自适应选择框架 59
4.3 预测模型自适应选择实验方案 67
4.4 预测模型自适应选择实验结果 68
4.5 本章小结 72
第5章 数据驱动的集成预测策略 73
5.1 集成预测综述 73
5.2 基于邻域互信息的集成预测策略 82
5.3 融合网络搜索数据的集成预测策略 89
5.4 融合多时间尺度的集成预测策略 93
5.5 本章小结 97
第6章 农产品价格波动预测实证研究 98
6.1 数据驱动的时序分解结果 99
6.2 数据驱动的预测模型选择结果 106
6.3 数据驱动的集成预测结果 114
6.4 融合网络搜索数据的集成预测结果 120
6.5 融合多时间尺度数据的集成预测策略 129
6.6 本章小结 136
第7章 总结与展望 137
7.1 本书的研究工作 137
7.2 本书的研究成果 139
7.3 未来研究展望 141
参考文献 144
附录 156
附录A 四种农产品直接建模的预测误差 156
附录B 农产品分解后的分量图 158
附录C TRIM集成策略下的子集选择结果 162
附录D 三种农产品的MEMD分解结果 162
附录E 融合网络搜索数据的预测结果(RMSE) 166
附录F 融合网络搜索数据的预测结果(MAE) 167
附录G 融合网络搜索数据的预测结果(Dstat) 167