基于CEEMD-Elman-Adaboost组合模型的国际原油价格预测研究

摘要

针对国际原油价格序列的高度非线性、非平稳性和时变性等复杂特征,提出用互补集合经验模态分解(CEEMD)和Elman-Adaboost神经网络的组合模型对Brent原油价格序列进行预测。首先,利用CEEMD将Brent原油价格序列分解为10个IMF分量和1个残差分量;其次,将各分量序列以滑动窗口的形式训练数据,利用Adaboost算法优化的Elman神经网络对各个分量进行预测;最后,将各个分量的预测结果进行求和得到Brent原油价格序列的最终预测结果。实证结果表明:该方法对Brent原油价格序列预测的均方根误差、平均相对误差、平均绝对误差均比PSO-BP、CEEMD-PSO-BP、EEMD-Elman、CEEMD-Elman模型小,新组合模型是一种预测精度更高、更有效的预测方法。