基于EEMD-TCN的数据预测模型分析.pdfVIP

创新应用Applications

基于EEMD-TCN的数据预测模型分析

11,2

刘会滔，王修来

(1.南京信息工程大学人工智能学院，江苏210044；

2.东部战区总医院医学信息数据室，江苏210002)

摘要：阐述一种基于集合经验模态分解（EEMD）和时间卷积网络（TCN）的组合预测模型。使用EEMD

对样本数据进行分解，得到若干模态分量IMF和残差，将各个分量输入TCN模型进行预测，最后将各分量

预测结果叠加获得最终结果。实验结果表明，该模型比其他对比模型具有更高的预测精度。

关键词：集合经验模态分解，时间卷积网络，数据预测模型。

中图分类号：TP18，TP311.13文章编号：1674-2583(2024)01-0390-02

DOI：10.19339/j.issn.1674-2583.2024.01.173

文献引用格式：刘会滔，王修来.基于EEMD-TCN的数据预测模型分析[J].集成电路应用,2024,41(01):

390-391.

AnalysisofdatapredictionmodelbasedonEEMD-

TCN

11,2

LIUHuitao,WANGXiulai

(1.SchoolofArtificialIntelligence,NanjingUniversityofInformationTechnology,Jiangsu210044,

China;

2.MedicalInformationDataRoomoftheGeneralHospitaloftheEasternTheaterCommand,

Jiangsu210002,China.）

Abstract—ThispaperdescribesacombinedpredictionmodelbasedonSetEmpiricalMode

Decomposition(EEMD)andTimeConvolutionalNetwork(TCN).UsingEEMDtodecomposethesample

data,obtainseveralmodalcomponentsIMFandresiduals,inputeachcomponentintotheTCNmodel

forprediction,andfinallysuperimposethepredictionresultsofeachcomponenttoobtainthefinalresult.

Theexperimentalresultsshowthatthismodelhashigherpredictionaccuracythanothercomparative

models.

IndexTerms—ensembleempiricalmodedecomposition,timeconvolutionalnetworks,data

predictionmodels.

0引言2研究方法

股票投资有着越来越关键的角色。若我们能够2.1集合经验模态分解（EEMD）

准确预测和分析股市的趋势，这不仅有助于投资者EEMD是一种用于分解复杂时间序列数据的数据

获取更多收益，同时还能够为政府提供指导，以防分析技术。它将时间序列数据分解成更简单的组成

止股市的崩盘。股票价格数据具有高度复杂性，同部分，是经验模态分解(EMD)的改进版本，用于克

时还受到经济环境、公司决策、市场情绪等多种因服一些EMD的局限性。具体分解步骤如下。

素的综合影响，使得股价预测面临巨大挑战。（1）将极小幅度的白噪声序列n(t)添加到原

1研究背景始时间序列上，得到新序列Y(