[发明专利]一种基于SHD-ELM的农产品价格预测方法

权利要求书

1.一种基于SHD-ELM的农产品价格预测方法，其特征在于，包括以下步骤：首先采集农产品价格时间序列数据；再利用经验模态分解将原始农产品价格时间序列分解为若干个本征模态函数（IMF）和余项；然后针对波动最剧烈的IMF1分量的不规则性对预测的影响进行二次混合分解，即对IMF1进行小波变换分解为近似序列和细节序列；将分解后得到的全部分量分别用极限学习机进行预测；最后把各个分量的预测结果进行组合得到原始农产品价格时间序列的预测值。

2.如权利要求1所述的一种基于SHD-ELM的农产品价格预测方法，其特征在于：所述农产品价格时间序列数据为等间隔的数据。

3.如权利要求2所述的一种基于SHD-ELM的农产品价格预测方法，其特征在于：所述分解后得到的全部分量包括除IMF1分量的其它本征模态函数（IMF）、余项、IMF1分解得到的近似序列和细节序列。

4.如权利要求3所述的一种基于SHD-ELM的农产品价格预测方法，其特征在于：所述经验模态分解的步骤如下：（1）取原始农产品价格时间序列的所有极大值和极小值；（2）分别通过三次样条函数拟合出极大值、极小值的上包络线和下包络线，计算上下包络线的均值，即；（3）计算与之差，记为，=-，如果满足本征模态函数的两个条件，则记为=，就是第一个本征模态函数分量；如果不是本征模态函数，则将视为新的信号，重复以上步骤直到是一个本征模态函数，记为；（4）通过将剩余部分=-视为新的信号并重复上述步骤，即可提取其余的本征模态函数和一个余项；原始数据可表示为本征模态函数与余项之和，即=；因此，一个时间信号都可分解为个包含不同频率段成分的本征模态函数分量与一个余项之和。

5.如权利要求4所述的一种基于SHD-ELM的农产品价格预测方法，其特征在于：所述本征模态函数的两个条件：（1）在整个信号序列上，极值点的个数和过零点的个数相差不大于1；（2）在任意时刻点处局部最大值的包络线和局部最小值的包络线均值为0。

6.如权利要求5所述的一种基于SHD-ELM的农产品价格预测方法，其特征在于：所述小波变换采用Daubechies小波基函数，简称dbN，N为小波的阶数，选择阶数为5，对选取的IMF1分量进行去噪处理。