[发明专利]一种基于CEMD和LSTM的非平稳时间序列数据预测方法

摘要

本发明属于时间序列预测领域，尤其涉及一种基于CEMD和LSTM的非平稳时间序列数据预测方法，包括通过历史数据构建训练集，通过实时数据构建测试集；使用经验模态分解将测试集和训练集中的目标序列分解为n个本征模态函数和1个残差序列；通过聚类算法对n个本征模态函数聚类为m组，形成m个子序列；利用训练集中子序列的特征向量对深度LSTM神经网络进行训练，获取完成训练的深度LSTM神经网络；将测试集中子序列输入完成训练的深度LSTM神经网络进行预测，得到非平稳时间序列预测结果；本发明结合了EMD和聚类算法对非平稳时间序列进行重构，使得预测模型的误差更小、训练时间更短。