基于EMD-PSO-LSSVR的物料需求组合预测模型

作者：白朝阳; 宋林杰; 李晓琳

来源：统计与决策, 2018, 34(18): 185-188.

DOI：10.13546/j.cnki.tjyjc.2018.18.043

• EMD
• LSSVR
• 组合预测
• 物料需求
• 制造企业

文章考虑到企业实际物料数据时间序列数据非平稳、非线性的特征,提出了基于经验模态分解及最小二乘支持向量机回归的组合预测模型。运用经验模态分解(EMD)方法将非平稳时间序列分解为一系列的本征模函数(imf)和一个残差项(res),挖掘出更多的信息,再使用最小二乘支持向量机回归(LSSVR)模型并结合粒子群算法(PSO)进行组合预测。实证结果表明,组合预测可以高效预测非平稳物料需求时间序列,且预测精度较高。

• 单位
  大连理工大学