基于分解重构LSTM的氟化工产品价格预测方法

作者：郭瑞昌; 童继红; 冯毅萍^*; 江永忠; 金炫智; 祝树平; 刘浩宇; 伊晓成

来源：控制工程, 2022, 29(10): 1780-1787.

DOI：10.14107/j.cnki.kzgc.CPCC2020-100

• 分解重构
• 集成经验模态分解
• 动态时间规整
• 长短期记忆
• 价格预测

企业利润受产品价格波动影响，深入分析产品价格变化趋势可以显著提升企业的市场竞争力。由于传统产品销售价格分析无法有效预测市场变化，提出一种基于分解重构的长短期记忆(LSTM)方法，对氟化工产品价格进行分析和预测。该方法首先对特征数据进行预处理，包括缺失值、异常值和归一化处理；然后通过相关系数进行特征选择，并基于集成经验模态分解(EEMD)挖掘数据隐含信息，采用动态时间规整(DTW)算法进行聚类和重构，进而建立LSTM模型进行预测。实验表明，该模型可以提升预测精度、降低计算复杂度，且优于人工神经网络(ANN)和最小支持向量回归(LSSVR)等基准模型。

• 单位
  浙江大学; 巨化集团有限公司; 工业控制技术国家重点实验室