[发明专利]一种基于CEEMD‑PSO‑BP模型及误差补偿的原油价格预测方法及系统

说明书

技术领域

本发明涉及原油价格预测领域，特别涉及一种基于CEEMD-PSO-BP模型及误差补偿的原油价格预测方法及系统。

背景技术

国际原油价格不仅与国际经济形势息息相关，而且与我国经济发展也密不可分。国际油价的波动会对我国的经济发展产生巨大影响，并给我国政府及相关企业机构带来诸多不确定性因素，造成国内石油市场的动荡。这不仅不利于我国宏观经济的发展，还会造成石油产业链内中下游产业的不稳定以及外汇储备的流失，因此，对原油价格的准确预测对于维持我国经济稳定、健康发展具有重要的指导意义。当前，原油价格预测已经引起了国内外学者的广泛关注。针对原油价格预测的方法可以大致分为如下两类：(1)因素预测法；(2)时间序列预测法。因素预测法是通过选取影响研究对象的若干因素，在因素与研究对象间建立一种数量关系，用来解释因素对研究对象的影响规律，或是根据因素的变化对研究对象做出预测。然而，使用因素预测法时，错综复杂的影响因素、高额的研究成本以及因素间的相互作用都导致了因素预测方法在原油价格预测中的局限性。另外，近年来原油价格的波动愈发剧烈，使得因素预测方法在短期油价预测上的精度难以满足要求。因此，越来越多的专家学者开始使用时间序列的预测方法对原油价格进行预测。该类方法又可细分为如下两个小类，即针对原始原油价格时间序列的预测方法和融入数据分解技术(例如，经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解 (Ensemble Empirical Mode Decomposition,EEMD)、互补集合经验模态分解 (Complementary Ensemble Empirical Mode Decomposition，CEEMD))的原油价格时间序列预测方法。由于原油价格时间序列数据自身具有的高度非平稳性、非线性及随机性的特点，导致针对原始原油价格时间序列的预测方法难以获得准确的预测结果。目前，融入数据分解技术的原油价格时间序列预测方法，大多采用单一数据分解技术对原油价格时间序列数据进行分解以降低数据序列的非平稳性，这种方法在一定程度上提高了预测精度，但由于其分解后的数据序列中依然存在高频震荡数据序列，导致预测精度难以大幅提高。

发明内容

本发明所要解决的技术问题在于，针对上述目前的原油价格预测方法存在预测精度难以大幅提高的技术缺陷，本发明提供了一种基于CEEMD-PSO-BP 模型及误差补偿的原油价格预测方法及系统来解决上述缺陷。

本发明的目的是针对原油价格数据序列自身具有的高度非平稳性和非线性特征，提供一种基于CEEMD-PSO-BP模型及误差补偿的原油价格预测方法及系统，将CEEMD-PSO-BP模型和误差补偿方法相结合，有效抑制CEEMD 分解过程中存在的模态混叠问题，提高原油价格的预测精度。

本发明为实现上述目的，采用一种基于CEEMD-PSO-BP模型及误差补偿的原油价格预测方法，其特征在于，包括以下步骤：

(1)获取待预测市场的历史原油价格样本数据作为原油价格序列X；

(2)使用CEEMD分解方法将获取的原油价格序列分解为m个IMF分量和一个趋势分量：IMF₁,IMF₂,...,IMF_m,Residue，其中m为大于1的自然数；

(3)利用PSO-BP模型对步骤(2)中各IMF分量及趋势分量分别进行预测，获得各自的预测值：IMF₁′,IMF₂′,...,IMF_m′,Residue′；

(4)将步骤(3)所得到的各预测值进行线性叠加，得出原油价格的初始预测序列x，x＝IMF₁′+IMF₂′+...+IMF_m′+Residue′；

(5)使用原油价格序列减去其初始预测序列，得到预测的误差序列e， e＝X-x；

(6)使用CEEMD分解方法将误差序列e分解，并得到n个imf分量和一个趋势分量：imf₁,imf₂,...,imf_n,residue，其中n为大于1的自然数；

(7)利用PSO-BP模型对步骤(6)中各imf分量及趋势分量分别进行预测，得到其对应预测值：imf₁′,imf₂′,...,imf_n′，residue′；