关键词:
有色金属价格预测
蚁狮优化算法
二次分解
RFEDformer模型
Sophia优化器
IKMSE损失函数
摘要:
准确预测有色金属价格对于决策者、投资者和研究人员具有重要意义.为了提高预测精度,文中提出了一种新型混合预测模型,称为(EVMD-ICEEMDAN-RFEDformer,EIRF).首先,使用变分模态分解(variational mode decomposition,VMD)将原始价格分解为多个分量,同时使用改进的蚁狮搜索算法(modified ant lion optimization,MALO)对VMD的两个参数进行优化.其次,采用改进的带有自适应噪声的完全集成经验模式分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)进一步分解VMD产生的残差序列,从中提取有价值的信息.然后将所有分解的子序列输入到改进的频率增强分解变压器(reinforced frequency enhanced decomposition transformer,RFEDformer)中.最后,合并RFEDformer的预测并得出最终结果.为了验证模型的可靠性,文中利用了伦敦金属交易所的锡、铜和镍价格数据制定了3个不同的实验,并与12个对比模型进行了比较.结果表明混合模型在3个数据集上都取得了良好的性能.