An improved deep learning model for soybeanfuture price prediction with hybrid datapreprocessing

主要贡献：

1. 提出了一套二阶段混合数据预处理 + 深度预测的流水线（ICEEMDAN → LZC→ BVMD → DELM + SSA 优化）。

2. 用 Lempel-Ziv 复杂度（LZC） 识别高频子序列并重构，聚焦“难预测”的高频信息以便二次分解处理。

3. 提出用 Beluga Whale Optimization（BWO） 优化 VMD 参数（K, α），即论文所称的 BVMD，提高二次分解稳定性与保真度。

4. 使用 Sparrow Search Algorithm（SSA） 优化深度极限学习机（DELM）超参数/输入权重，作为预测器优化手段。实验在中国、意大利、美国三组数据上显示出显著精度提升（文中给出MAPE/R²等指标）。

代码复现：

# Repository: ICEEMDAN-LZC-BVMD-SSA-