一种基于VMD-CEEMDAN-BO-LSTM混合模型的时间序列预测方法及应用

本发明为一种基于VMD‑CEEMDAN‑BO‑LSTM混合模型的时间序列预测方法及应用。一种基于VMD‑CEEMDAN‑BO‑LSTM混合模型的时间序列预测方法，包括：S10：对原始时间序列数据进行归一化处理，得处理后的数据；S20：通过VMD‑CEEMDAN二次分解对处理后的数据进行分解，得多个精炼后的模态分量IMF；S30：构建长短期记忆网络模型；S40：采用贝叶斯优化算法对所述的长短期记忆网络模型的超参数进行全局寻优，确定每个所述的模态分量IMF的最佳超参数组合；S50：将每个所述的最佳超参数组合分别代入所述的长短期记忆网络模型后，对所述的模态分量IMF进行预测，预测的结果重构为完整的时间序列预测值。本发明所述的一种基于VMD‑CEEMDAN‑BO‑LSTM混合模型的时间序列预测方法及应用，对复杂时序数据的处理能力强，预测准确率高。