EMD―BP神经网络预测模型及应用.docVIP

EMD-BP神经网络预测模型及应用 摘要：时间序列分析是根据客观事物的连续性和规律性 推测未来发展趋势的预测方法，分析时设法过滤除去不规则 变动，突出反映趋势性和周期性变动。为了提高预测精度， 构建了 EMD-BP神经网络预测模型，利用Hilbert-Huang变 换中的经验模态分解将时间序列分解为有限个本征模函数， 重构后进行BP神经网络预测。通过对中国石化的股票资料 进行实验仿真，表明该模型降低了被预测数据的非平稳性， 其精度比直接用神经网络预测有较明显的提高。 关键词：时间序列；BP神经网络；EMD；本征模函 数；预测模型 中图分类号：TP311. 1文献标志码：A文章编号： 1006-8228 (2014) 02-01-04 0引言 时间序列是将某种现象某一个统计指标在不同时间上 的各个数值，按时间先后顺序排列而形成的序列。时间序列 分析是一种动态的数列分析[1],出发点是承认数据的有序 性和相关性，通过数据内部的相互关系来辨识系统的变化规 律。常用的时间序列分析法主要是建立在回归 移动平均 模型(ARMA) [2-3]之上，被用来对股价(最高价、最低价、 开盘价、收盘价)及综合指数进行预测[4-5] o然而，这些 经典回归分析暗含着一个重要假设：数据是平稳的。如果数 据非平稳，往往导致出现“虚假回归”，严重影响预测效果。 股票等金融数据是典型的非平稳时间序列，一般地说，