在基于 EMD 的时间序列预测建模框架中抑制端点效应是否重要？一些实验证据
人工智能
2014-01-14 v1 应用统计
摘要
遵循“分解与集成”原则，基于经验模态分解（EMD）的建模框架已被广泛用作非线性与非平稳时间序列建模和预测的一种极具前景的替代方法。然而，端点效应在 EMD 的筛选过程中产生，易于扭曲分解出的子序列并损害随后的建模过程，这一问题在以往的研究中被忽略了。针对端点效应问题，本研究提出将端部条件方法纳入基于 EMD 的分解与集成建模框架，用于单步和多步提前的时间序列预测。本文选择了四种成熟的端部条件方法：镜像法、Coughlin 法、基于斜率法和 Rato 法，并采用支持向量回归（SVR）作为建模技术。为了进行验证和比较，使用了著名的 NN3 竞赛数据集，并选择了四种成熟的预测模型作为基准。实验结果表明，所提出的带有端部条件方法的基于 EMD 的 SVR 模型能够取得显著的改进。特别是 EMD-SBM-SVR 模型和 EMD-Rato-SVR 模型，在预测优度指标和竞争预测精度相等性检验方面取得了最佳的预测性能。
引用
@article{arxiv.1401.2503,
title = {Does Restraining End Effect Matter in EMD-Based Modeling Framework for Time Series Prediction? Some Experimental Evidences},
author = {Tao Xiong and Yukun Bao and Zhongyi Hu},
journal= {arXiv preprint arXiv:1401.2503},
year = {2014}
}
备注
28 pages