基于集成分解的农产品价格预测

作     者：张博群 孙倩 沈虹 ZHANG Boqun;SUN Qian;SHEN Hong

作者机构：扬州大学商学院江苏扬州225127 

出 版 物：《扬州大学学报（自然科学版）》 (Journal of Yangzhou University：Natural Science Edition)

年 卷 期：2024年第27卷第4期

页      面：47-55页

学科分类：120301[管理学-农业经济管理] 12[管理学] 1203[管理学-农林经济管理] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(61803331,92371116) 江苏省自然科学基金资助项目(BK20170515) 

主　　题：农产品期货 集成经验模态分解 深度学习 

摘      要：深度学习在用于预测非线性时间序列时表现出色,且无须考虑变量之间的内生性问题。将集成经验模态分解(ensemble empirical mode decomposition,EEMD)方法与卷积神经网络(convolutional neural networks,CNN)、长短期记忆模型(long short-term memory,LSTM)、门控循环单元(gated recurrent units,GRU)相结合,构建基于集成分解的农产品期货价格预测模型。以中国玉米、棉花和大豆期货价格为例,对原始期货价格信号进行EEMD分解,然后将分解向量分别输入深度学习模型中进行训练,最终得出EEMD-GRU模型为最优价格预测模型。结果显示,与单独的深度学习模型相比,该文所提基于集成分解的组合模型在预测准确性方面优势明显,具有更强的泛化能力。