基于VMD-LSTM-ELMAN模型的國(guó)際原油價(jià)格人工智能預(yù)測(cè)研究

打開(kāi)文本圖片集

[摘要] 針對(duì)國(guó)際原油價(jià)格序列的高度非線性、非平穩(wěn)性和時(shí)變性等復(fù)雜特征，本文提出一種基于變分模態(tài)分解（Variational modal decomposition，VMD）和組合預(yù)測(cè)模型LSTM-ELMAN的方法對(duì)國(guó)際原油價(jià)格進(jìn)行預(yù)測(cè)。首先采用VMD方法將原始原油價(jià)格分解為不同頻率的子序列；然后采用不同模型分別對(duì)高頻和低頻序列進(jìn)行預(yù)測(cè)，利用ELMAN神經(jīng)網(wǎng)絡(luò)（Elman neural network，ELMAN）預(yù)測(cè)最后一個(gè)高頻分量，長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM，Long short-term memory network）作為主要的預(yù)測(cè)模型來(lái)預(yù)測(cè)其他子序列；最后重構(gòu)不同模型的子序列預(yù)測(cè)值，進(jìn)而得到最終的預(yù)測(cè)結(jié)果。（剩余22717字）