基于变分模态分解与多架构神经网络集成的时间序列预测框架

汤 密, 方 刚*
重庆三峡科技大学　计算机科学与工程学院

摘要


针对非平稳时间序列中高频波动与多尺度耦合导致单一网络架构预测精度受限的问题，本文提出一
种融合变分模态分解（VMD）与多架构循环神经网络集成的预测框架。该框架首先利用VMD将原始信号自
适应分解为多个窄带本征模态分量（IMFs）以实现频域解耦；随后针对各分量分别构建GRU、VMD+GRU、
VMD+BiGRU及VMD+BiGRU+AdamW四种差异化网络架构，并引入早停机制与自适应学习率调度策略优化
训练过程；最终通过等权集成融合多模型输出。在山东金乡大蒜时序数据集上的实验表明，集成框架MAE为
0.0246，RMSE为0.0354，MAPE为0.74%，相较最优单一架构分别提升6.1%、3.5%和3.9%，验证了信号分解与多
架构协同集成策略的有效性。

关键词


变分模态分解；门控循环单元；多模型集成学习；时间序列预测

全文:

PDF


参考


[1]冯强.时间序列中非平稳性和波动性的建模及预

测[D].太原理工大学，2025.

[2]Yu X, Zhang D, Zhu T, et al. Novel hybrid multihead self-attention and multifractal algorithm for nonstationary time series prediction[J]. Information Sciences,

2022, 613: 541-555.

[3]张潇，李德识.非平稳时间序列多维隐状态的预

测 机 制[J].计 算 机 工 程，2025，51（7）：68-77.DOI：

10.19678/j.issn.1000-3428.0069160.

[4]刘峰，王儒敬，李传席.ARIMA模型在农产品价

格预测中的应用[J].计算机工程与应用，2009，45（25）：

238-239+248.

[5]牛桂草，周绩宏，马红燕，杜晓东，王俊芹.基

于ARMA模型的河北鸭梨价格预测及预警[J].山东农业

科学，2021，53（11）：151-156.

[6]Wang Y. Agricultural products price prediction based

on improved RBF neural network model[J]. Applied artificial

intelligence, 2023, 37(1): 2204600.

[7]卢超凡，史世凯，王鲁.基于改进LSTM的苹果

价格预测模型研究[J].山东农业大学学报（自然科学版），

2022，53（3）：491-496.

[8]郭鸿雁，张洪奇，柳平增，等.基于深度神经

网络融合的大蒜价格预测组合模型[J].农业工程学报，

2026，42（2）：225-236.

[9]Choudhary K, Jha G K, Jaiswal R, et al. A genetic

algorithm optimized hybrid model for agricultural price

forecasting based on VMD and LSTM network[J]. Scientific

Reports, 2025, 15(1): 9932.

[10]王润周，张新生，王明虎.基于信号分解和深度

学习的农产品价格预测[J].农业工程学报，2022，38（24）：

256-267.

[11]Dragomiretskiy K, Zosso D. Variational mode

decomposition[J]. IEEE transactions on signal processing,

2013, 62(3): 531-544.

[12]Kingma D P, Ba J. Adam: A method for stochastic

optimization[J]. arXiv preprint arXiv:1412.6980, 2014.


Refbacks

  • 当前没有refback。