基于EEMD-LSTM的农产品价格短期预测模型研究

作者：方雪清; 吴春胤^*; 俞守华; 张大斌; 欧阳庆

来源：中国管理科学, 2021, 29(11): 68-77.

DOI：10.16381/j.cnki.issn1003-207x.2019.0765

• 农产品
• 短期价格预测
• 集成经验模态分解
• 长短期记忆网络

本文将集成经验模态分解(EEMD)方法与长短期记忆网络(LSTM)相结合,构建了一个端到端的农产品价格短期预测模型。首先,对原始价格信号进行EEMD分解,得到若干IMF子序列和一个残差序列;然后,运用Fine-to-coarse高低频重构方法对IMF子序列进行高频—低频重构;最后将原始价格序列、高频项、低频项和残差趋势项作为特征,输入到LSTM网络进行训练得到预测模型。本文以广州市江南农副产品市场的富士苹果日价格为例进行实证分析,结果表明,本文提出的EEMD-LSTM模型在农产品价格短期预测问题上具有一定的性能优势。

• 单位
  华南农业大学