NSFC“计量建模与经济政策研究”基础科学中心定期召开研究进展与学术交流报告会,目标是在NSFC基础科学中心各领域科研人员之间搭建一个交流合作平台。报告者将介绍本人近期取得的重要科研进展或某一前沿领域国际重要进展,或介绍近期科研活动中遇到的困难等。通过交流讨论,了解前沿领域研究进展,探索交叉学科领域合作可能,激发新思想,寻找新思路。
NSFC“计量建模与经济政策研究”基础科学中心学术交流报告(第一讲)
报告题目
一种改进的CEEMDAN-LSTM-Neural Prophet Net模型:用于COVID-19背景下我国月度消费预测
报告人
郇松桦 刘秀丽
中国科学院数学与系统科学研究院
中国科学院预测科学研究中心
中国科学院大学
报告人简介
郇松桦,中国科学院数学与系统科学研究院硕士研究生,研究方向:数据建模与预测。
刘秀丽,中国科学院数学与系统科学研究院研究员、博士生导师,研究方向:宏观经济-资源-环境-人口系统建模与预测,投入产出分析与复杂网络分析、可持续发展研究。
时间
2022年8月19日(周五)
下午16:00-17:30
地点
线上腾讯会议
ID:150-578-418;密码:202208
摘要
针对社会消费品零售总额(total retail sales of consumer goods, TRSCG)月度预测中存在突变点情况下的样本外预测精度低等问题,本文构建了CEEMDAN-LSTM-Neural Prophet Net组合模型,开展了不同情景下的月度TRSCG样本外预测,并比较了该模型与Neural Prophet、BP Network等7种常用模型的预测精度。结果表明:深度学习模型表现出对非线性一般数据的良好适应能力, 其对数据的分类识别及组合预测效果俱佳;CEEMDAN-LSTM-Neural Prophet Net组合模型在有突变点的样本外预测中表现更佳,且该预测模型在不同国家的TRSCG、不同的预测指标及学习比例上均具有一定的稳健性。本文为存在突变点的时间序列分析和样本外预测提供了新思路。
关键词
社会消费品零售总额,样本外预测,CEEMDAN-LSTM-Neural Prophet Net组合模型,COVID-19,突变点