[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

摘要

本发明属于时间序列预测技术领域，公开了一种基于两阶段的时间序列预测方法、预测系统、终端及介质，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；对第一阶段得到的残差进行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。本发明将多尺度分解方法中的自适应噪声完整聚合经验模态分解和神经网络算法中的极限学习机结合，在传统预测模型的基础上进一步提升了单一ELM模型的预测精度。