基于经验模态分解自回归组合模型的网络舆情预测

来源：计算机应用杂志2018年第3期北京时间：

作者：莫赞, 赵冰, 黄艳莹

单位：广东工业大学 管理学院, 广州 510520

摘要：随着大数据时代的到来，网络舆情数据呈现信息量大和领域覆盖广等特征。面对复杂的网络舆情数据时，传统单一模型预测能力有限，不能对舆情趋势进行有效预测。针对此问题，提出一种基于经验模态分解-自回归（EMD-AR）改进的组合模型——EMD-ARXG模型，应用于复杂网络舆情的预测。该模型利用经验模态分解算法对时间序列进行分解，然后通过自回归模型对分解后的时间序列进行各自趋势拟合，建立子模型。最后再对各个子模型进行重构，完成建模。另外，在利用自回归（AR）模型拟合过程中，为了减少拟合误差，采用极限梯度提升算法对残差进行学习，并使预测模型迭代更新，提高各个子模型预测精度。为验证EMD-ARXG模型的预测效果，该模型与小波神经网络模型和基于经验模态分解的神经网络模型进行实验对比。实验结果表明，在均方根误差（RMSE）、平均绝对百分误差（MAPE）和希尔不等系数（TIC）三项指标上，EMD-ARXG模型获得的结果均优于小波神经网络模型和基于经验模态分解的神经网络模型的结果。

关键词：趋势拟合,网络舆情预测,经验模态分解,自回归,极限梯度提升,残差学习

基金资助：国家自然科学基金资助项目（711710）；"十二五"国家科技支撑计划重大课题（2011BAD13B11）；广东省海洋经济创新发展区域示范专项（GD2013-D01-001）。