基于EEMD-LSTM-Adaboost的商品价格预测

作者：邸浩; 赵学军; 张自力

来源：统计与决策, 2018, 34(13): 72-76.

DOI：10.13546/j.cnki.tjyjc.2018.13.016

• 总体经验模态分解
• LSTM神经网络
• Adaboost算法
• 商品价格预测

文章将总体经验模态分解(EEMD)方法、长短期记忆(LSTM)模型和Adaboost算法相结合,构建了一个多尺度组合预测模型(EMD-LSTM-Adaboost)。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量(IMF)和一个趋势项。在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值。并以沪金为例进行实证分析,结果表明与已有的预测方法相比,文章所提出的EEMD-LSTM-Adaboost方法预测能力更好。