[发明专利]基于两阶段的时间序列预测方法、预测系统、终端及介质

权利要求书

1.一种基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法，其特征在于，所述基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法包括：

进行太阳黑子数月均值序列的平稳化处理；对分解后的各子序列代入ELM模型，并用PSO算法对各子序列的ELM参数进行优化，将各子序列的分量预测结果叠加得到第一阶段预测结果；

对得到的残差进行CEEMDAN-PSO-ELM建模，得到第二阶段的预测结果；对第一阶段预测结果和第二阶段预测结果求和得到最终预测结果。

2.如权利要求1所述的基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法，其特征在于，所述基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法具体包括以下步骤：

步骤一，使用CEEMDAN方法将原序列进行分解得到IMF₁,IMF₂,…,IMF_n和Res；

步骤二，将IMF₁,IMF₂,…,IMF_n和Res进行归一化处理；

步骤三，对归一化后的每个子序列带入PSO-ELM模型中进行预测，将输出结果反归一化，得到预测结果Y₁,Y₂,…Y_n,Y_n+1；

步骤四，将Y₁,Y₂,…Y_n,Y_n+1求和得到第一阶段预测结果Y_sum，将实际值减去Y_sum得到误差序列E；

步骤五，使用CEEMDAN方法将误差序列E进行分解得到imf₁,imf₂,…,imf_n和Res；

步骤六，将imf₁,imf₂,…,imf_n和Res进行归一化处理；

步骤七，对归一化后的每个子序列带入PSO-ELM模型中进行预测，得到预测结果E₁,E₂,…E_m,E_m+1；

步骤八，将E₁,E₂,…E_m,E_m+1求和得到第二阶段预测结果E_sum；

步骤九，将第一阶段预测结果Y_sum和第二阶段预测结果E_sum求和得到最终的预测值。

3.如权利要求2所述的基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法，其特征在于，所述步骤二中，将IMF₁,IMF₂,…,IMF_n和Res进行归一化处理的方法，包括：

其中，x_max和x_min分别为输入数据中的最大值和最小值；y为归一化后的输入值。

4.如权利要求2所述的基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法，其特征在于，所述步骤三中，PSO算法对ELM的输入层维数、隐含层维数、输入权值和隐含偏差寻优得到最终的网络参数，网络的输出层维数置为1。

5.一种实施权利要求1～4任意一项所述基于两阶段CEEMDAN-PSO-ELM的时间序列预测方法的基于两阶段CEEMDAN-PSO-ELM的时间序列预测系统，其特征在于，所述基于两阶段CEEMDAN-PSO-ELM的时间序列预测系统包括：

第一阶段预测结果获取模块，用于将CEEMDAN用于太阳黑子数月均值序列的平稳化处理；对分解后的各子序列分别建立ELM模型，并用PSO算法对各子模型的ELM参数进行优化，将各分量预测结果叠加得到第一阶段预测结果；

第二阶段预测结果获取模块，用于对得到的残差进行CEEMDAN-PSO-ELM建模，得到第二阶段的预测结果；

预测结果求和模块，用于对第一阶段预测结果和第二阶段预测结果求和得到最终预测结果。