基于EMD和神经网络的非线性时间序列预测方法

作者：涂锦; 冷正兴^*; 刘丁毅^*

来源：统计与决策, 2020, 36(08): 41-44.

DOI：10.13546/j.cnki.tjyjc.2020.08.008

• 经验模态分解
• 三层前馈神经网络
• 自适应线性神经网络

现实生活中的时间序列,通常伴随着大量的噪声和高度的波动性。对于这些非线性时间序列,运用传统的统计和计量经济模型进行分析预测,预测结果往往不够理想。文章基于经验模态分解(EMD)和人工神经网络提出改进方法。主体思想是"先分再合":先用EMD方法分解非线性时间序列,得到一系列易于分析的独立的子系列,然后利用神经网络(FNN)对每一个子系列进行分析和预测,最后再用自适应线性神经网络(ALNN)整合并得出最终结果。结合具体房价时间序列实例,证实了这种方法的优势。

• 单位
  经济管理学院; 西南交通大学