期刊文献+

基于EEMD-PSO-SVM的月度CPI预测研究 预览

Research on Monthly CPI Prediction Based on EEMD-PSO-SVM
在线阅读 下载PDF
分享 导出
摘要 为了对CPI进行精确预测,针对CPI的历史时序数据的特点,文章提出了一种基于EEMD-PSO-SVM的月度CPI预测模型。以1994年1月至2017年5月的我国月度CPI为研究对象,采用提出的EEMD-PSO-SVM的月度CPI预测模型进行实际预测并与ANN、ARIMA、SVM进行比较。结果表明:提出的EEMD-PSO-SVM的月度CPI预测模型最大绝对误差为0.39,平均绝对误差为0.204,最小绝对误差仅为0.01,均小于低于ANN、ARIMA和SVM。本文提出的预测模型的平均相对误差仅为0.201%,能够满足实际的预测需求,为CPI的科学准确的预测提供了一种新的预测方法。 In order to predict CPI accurately, this paper proposes a monthly CPI prediction model based on EEMD-PSO-SVM according to the characteristics of historical time series data of CPI. Taking China’s monthly CPI from January1994 to May 2017 as the research object, the paper uses the proposed monthly CPI forecast model based EEMD-PSO-SVM to predict the actual CPI and make a comparison with ANN, ARIMA and SVM. The results show that the maximum absolute error,average absolute error and minimum absolute error of the proposed EEMD-PSO-SVM model are 0.39, 0.204 and 0.01 respectively, which are all lower than those of ANN, ARIMA and SVM. The average relative error of the proposed model is only 0.201%,which meets the actual forecasting needs, and provides a new forecasting way for the scientific and accurate prediction of CPI.
作者 邰晓红 刘义 Tai Xiaohong;Liu Yi(School of Business Administration,Liaoning Technical University,Huludao Liaoning 125105,China)
出处 《统计与决策》 CSSCI 北大核心 2019年第3期30-33,共4页
基金 国家自然科学基金资助项目(51374121).
关键词 CPI 集合经验模态分解 粒子群算法 支持向量机 预测 CPI ensemble empirical mode decomposition particle swarm algorithm support vector machine prediction
作者简介 邰晓红(1956-),女,辽宁葫芦岛人,博士,副教授,研究方向:宏观经济预测;刘义(1990-),男,辽宁葫芦岛人,硕士研究生,研究方向:数据挖掘成本管理。
  • 相关文献

参考文献5

二级参考文献24

共引文献32

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈