随着经济全球化和贸易一体化的趋势不断增强,各国之间的经济贸易活动不断扩张。汇率作为全球金融交流的纽带,在国家与国家之间的经济往来中起着至关重要的作用。近年来,我国为了提高人民币汇率的市场化水平,实施了一系列以市场供求为基础的汇率制度改革,人民币汇率的灵活性明显增强。2020年新冠疫情在全世界蔓延,各国的经济环境均多次受到冲击,因此人民币汇率价格也产生了大幅度的波动。掌握汇率的波动规律,对于政府而言,能够及时提取相关经济金融信息,制定或优化本国的金融货币政策,有利于国民经济健康可持续发展;对于大型跨国公司和个人投资者而言,能够及时采取有效的外汇风险管理措施,减少汇率变动带来的损失。因此,合理并准确地分析人民币汇率走势在一定程度上关系着政府、企业和个人的各种经济决策。对人民币汇率预测研究中,单一的时间序列模型和人工智能模型的预测效果往往都不能充分挖掘人民币汇率序列中的特征及规律,而采用分解集成算法是一种更有效的预测方法。本文首先利用集合经验模态分解算法（EEMD）对中美汇率中间价进行信号分解,得到波动频率互不相同的多个内涵模态分量（IMF）。为简化后续的计算过程,根据IMF分量的平均值和模糊熵来衡量各分量的平均水平和复杂程度,进而将这些IMF分量分别重组为高频序列、低频序列和趋势序列,对重组所得的高频序列和低频序列分别利用差分整合移动平均自回归模型（ARIMA）、长短时记忆神经网络算法（LSTM）和支持向量回归算法（SVR）进行建模预测,由于重组所得的趋势序列为一个二次函数,因此本文不对趋势序列进行预测。将高频序列和低频序列的预测值按照对应时间对应方法求和,并加上趋势序列实际值,得到基于EEMD分解算法的各单项预测值。接下来引入衡量两个向量之间相似程度的一个指标——Jaccard距离,将其作为构建组合预测模型的最优化准则,首先构建了基于Jaccard距离的定权系数最优组合预测模型,并从理论层面对该最优组合预测模型的性质进行了研究与证明。在此基础上,再考虑到各单项预测方法在不同时点的预测效果各有优劣,引入了广义诱导有序加权平均（GIOWA）算子,构建基于GIOWA算子和Jaccard距离的变权系数最优组合预测模型,计算基于三种代表性参数下模型的多个预测误差指标以及模型组合预测值与实际值之间的Jaccard距离,并与各单项预测方法的对应指标比较,可以判断本文所构建的分解集成组合预测模型能在单项预测模型的基础上有效提高预测精度。考虑到GIOWA算子中参数取值不同可能会导致组合预测结果发生变化,因此还需对GIOWA算子中的参数进行灵敏度分析,最后选择精度更高的组合预测模型对2023年1月的美元兑人民币汇率中间价进行预测。从本文的预测结果来看,定权系数组合预测模型和变权系数组合预测模型的预测效果都优于单项预测方法,这也能为其他时间序列数据的预测提供参考,在对数据进行单项预测之后,选择不同的最优化准则构建组合预测模型进行分析,能够得到更好的预测效果,为决策者提供参考依据。