基于群智能算法和模态分解的大豆价格预测

摘要

准确预测大豆价格对维护农户基本收益和健全粮食价格市场形成机制至关重要。大豆价格因其非线性、高波动性等特点,传统时间序列模型难以满足精度要求和社会经济需要。本文利用4种经验模态分解方法(EMD、EEMD、CEEMD、ICEEMD)对大豆价格时序数据进行分解,然后用5种群智能优化算法(蜂群ABC、布谷鸟CS、蜻蜓DA、蝗虫GOA、粒子群PSO)优化的支持向量回归(SVR)模型分别进行预测,最后子序列预测值通过线性集成方法得到大豆价格最终预测值。为了验证分解-优化混合模型预测效果,引入单一SVR和未分解-优化模型作为基准比对,从30个模型预测结果对比和模型检验两个维度进行分析,发现混合模型在预测大豆期货价格数据上有更好的预测精度。