基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业
PMI预测
陆文星;任环宇;梁昌勇;李克卿
【期刊名称】《工业工程》
【年(卷),期】2024(27)1
【摘要】制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传
统预测模型对该类时序数据预测精度不高。

针对制造业PMI指数的非线性、波动
性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。

时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。

为验证模型有效性,选取一定数
据量的PMI指数进行实验。

结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

【总页数】11页(P86-95)
【作者】陆文星;任环宇;梁昌勇;李克卿
【作者单位】合肥工业大学管理学院;合肥工业大学过程优化与智能决策教育部重
点实验室
【正文语种】中文
【中图分类】F403.7;F124;TP391
【相关文献】
1.基于集合经验模态分解和小波神经网络的短期风功率组合预测
2.基于经验模态分解和小波包分解的组合风电功率预测模型分析
3.基于经验模态分解的小波神经网络预测模型
4.基于区间时间序列小波多尺度分解的组合预测方法
5.基于小波-原子分解的超短期风电出力预测模型
因版权原因，仅展示原文概要，查看原文内容请购买。