一种双参数时间序列区间预测模型

摘要

结合集合经验模态分解、模糊熵和双通道长短期记忆网络建立了双参数时间序列区间预测模型EEMD-FE-DCLSTM.首先,通过集合经验模态分解把原始时间序列分解为若干本征模态函数和一个残差项;其次,计算每个本征模态函数和残差项的模糊熵,并根据模糊熵阈值筛选部分子序列重构新时间序列;再次,根据置信水平和分布的分位数构造双参数置信区间,并训练双通道长短期记忆网络生成预测区间;最后,根据预测区间覆盖率和归一化平均宽度调节区间参数并重新训练网络,直至获得最优的区间参数和双通道长短期记忆网络.实证研究表明,EEMD-FE-DCLSTM模型能够生成高质量的预测区间.

关键词

区间预测 / 双通道长短期记忆网络 / 集合经验模态分解 / 模糊熵