TY -的A2 -谢,Lei盟——吴,蒋盟——周,腾飞AU -李,彩条PY - 2020 DA - 2020/10/22 TI -混合方法集成多个ICEEMDANs, WOA, RVFL网络经济和金融时间序列预测SP - 9318308六世- 2020 AB -经济和金融时间序列的波动是受各种因素的影响,通常表明强烈的不稳定和高复杂性。因此,准确地预测经济和金融时间序列一直是一个具有挑战性的研究课题。在这项研究中,一种新型multidecomposition和自优化混合方法集成多个改进的完整的集成经验模态分解与自适应噪声(ICEEMDANs),鲸鱼优化算法(WOA)和随机向量功能链接(RVFL)神经网络,即MICEEMDAN-WOA-RVFL,发达的经济和金融时间序列预测。首先,我们采用ICEEMDAN具有随机参数的原始时间序列分离到一群相对简单的子系列多次。第二,我们构造RVFL网络单独预测每一次分类。考虑到参数设置RVFL网络比较复杂,我们利用WOA同时RVFL网络搜索最优参数。然后,我们总个人分解子系列的预测结果的预测结果每个分解,分别,最后整合这些预测结果的所有分解作为最终的预测结果。拟议中的MICEEMDAN-WOA-RVFL相比明显优于单一和合奏基准模型预测的准确性和稳定性,实验证明的使用各种经济和金融时间序列,包括西德克萨斯中质原油(WTI)价格,美元/欧元汇率(美元/欧元),美国工业生产(IP),上海证券交易所综合指数(SSEC)。SN - 1076 - 2787你——https://doi.org/10.1155/2020/9318308——10.1155 / 2020/9318308 JF - PB - Hindawi KW - ER -复杂性