一种基于EMD-ELM的农产品价格预测方法技术

本发明专利技术公开了一种基于EMD‑ELM的农产品价格预测方法，基于经验模态分解（EMD）和极限学习机（ELM）方法构建农产品价格组合预测模型，包括以下步骤：首先采集农产品价格时间序列数据；再利用经验模态分解将原始农产品价格时间序列分解为若干个本征模态函数（IMF）和余项，然后将这些分量分别用极限学习机进行预测，最后把各个分量的预测结果进行组合得到原始农产品价格时间序列的预测值；本发明专利技术实际应用进行预测并对其预测结果进行评价分析，预测误差极小；相较于BP神经网络等预测方法，本发明专利技术将经验模态分解和极限学习机组合起来的预测方法具有较好的农产品价格预测性能，能够适用于农产品价格波动规律的预测。

【技术实现步骤摘要】
一种基于EMD-ELM的农产品价格预测方法
本专利技术属于农产品数据处理
，具体涉及一种基于EMD-ELM的农产品价格预测方法。
技术介绍
农产品价格的预测属于时间序列预测的范畴，同时农产品又兼具高度易腐蚀的特殊性，必须满足供需平衡，这使得农产品价格的预测又不同于一般商品的价格预测。现实中，气候变化、经济波动、特殊节假日等诸多外部因素都会对农产品价格产生影响，从而使得农产品价格表现出高度的随机波动性。这也就使得高准确率的农产品价格预测颇具挑战性。通过开展农产品价格的分析与预测，为农户及生产经营者提供前瞻性信息，及时调整生产及销售思路，防范农产品价格异常波动带来的损失，提高农业市场风险规避能力，为当地政府出台稳定农产品市场供需和价格相关政策提供决策参考，同时，也为消费者进行日常饮食消费选择提供参考。农产品种植受气候限制和影响，农产品生产大多具有明显的周期特征。农产品价格主要受市场供需影响，表现出季节性，趋势性及随机波动性等特征，其时间序列呈现典型的非线性特征。国内外对于价格的预测方法主要分为4种：计量经济预测法、数理统计预测法、智能本文档来自技高网...

【技术保护点】
1.一种基于EMD-ELM的农产品价格预测方法，其特征在于，包括以下步骤：首先采集农产品价格时间序列数据；再利用经验模态分解将原始农产品价格时间序列分解为若干个本征模态函数（IMF）和余项，然后将这些分量分别用极限学习机进行预测，最后把各个分量的预测结果进行组合得到原始农产品价格时间序列的预测值。/n

【技术特征摘要】
1.一种基于EMD-ELM的农产品价格预测方法，其特征在于，包括以下步骤：首先采集农产品价格时间序列数据；再利用经验模态分解将原始农产品价格时间序列分解为若干个本征模态函数（IMF）和余项，然后将这些分量分别用极限学习机进行预测，最后把各个分量的预测结果进行组合得到原始农产品价格时间序列的预测值。


2.如权利要求1所述的一种基于EMD-ELM的农产品价格预测方法，其特征在于：所述农产品价格时间序列数据为等间隔的数据。


3.如权利要求2所述的一种基于EMD-ELM的农产品价格预测方法，其特征在于：所述分量包括各个本征模态函数（IMF）和余项。


4.如权利要求3所述的一种基于EMD-ELM的农产品价格预测方法，其特征在于：所述经验模态分解的步骤如下：（1）取原始农产品价格时间序列的所有极大值和...

【专利技术属性】
技术研发人员：席磊，刘合兵，马新明，张慧，郭伟，韩晶，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：河南;41