基于注意力时间卷积网络的农产品期货分解集成预测

来源：南京信息工程大学学报·自然科学版杂志2024年第3期北京时间：

作者：张大斌，黄均杰，凌立文，林锐斌

单位：张大斌,华南农业大学 数学与信息学院, 广州, 510642,黄均杰,华南农业大学 数学与信息学院, 广州, 510642,凌立文,华南农业大学 数学与信息学院, 广州, 510642,林锐斌,华南农业大学 数学与信息学院, 广州, 510642,1103290907@qq.comis_first_author:0,is_contact_author:,sequence:4,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性.

关键词：农产品期货;自适应噪声完备经验模态分解;自注意力机制;Transformer-Encoder;时间卷积网络

基金资助：国家自然科学基金面上项目(71971089);国家自然科学基金青年项目(72001083);广东省自然科学基金面上项目(2022A1515011612)