准确的汇率分析与预测能够对国家金融政策的制定,投资者风险的规避起到重要作用。近年来,利用时间序列模型,智能算法模型等多种方法对汇率波动进行预测已经成为学术界的研究热点。然而汇率时间序列大多是是非线性、非平稳的复杂序列,单一预测模型难以捕捉汇率波动的特征并准确预测汇率走势;且研究对象多是简单的点值数据,极少有针对区间型汇率序列的研究。针对以上问题,本文结合分解—重构—集成的思想,基于改进的二维经验模态分解（BEMD）模型、样本熵算法、区间Holt’s指数平滑模型、智能算法模型等,构建了一个新的基于改进BEMD的汇率区间组合预测模型(BEMDIS-CFM),以实现对人民币汇率的预测。本文主要工作包括:首先,在对传统BEMD算法的缺点进行研究分析后,介绍了相关的抑制方法,并通过试验比较了多种方法对BEMD算法端点效应和模态混叠的抑制效果。实验结果表明,使用镜像延拓法和小波阈值去噪法能够有效的抑制BEMD算法缺点,减小汇率序列分解失真。在此基础上,考虑到通过BEMD算法分解得到的区间分量较多,容易造成冗余信息和增加计算量,利用样本熵度量区间分量的复杂度并对其重构,得到汇率区间序列的高频区间分量、中频区间分量、低频区间分量和残余区间分量。最后,选用区间Holt’s指数平滑模型、PSO-SVR模型、LSTM模型和MLPI模型进行区间组合预测,以降低预测误差。采用BEMDIS-CFM区间组合模型对人民币兑美元的汇率区间进行预测,并通过大量模型进行对比分析,验证了本文构建的汇率区间组合模型的预测效果;此外,分别运用欧元兑美元、英镑兑美元验证BEMDIS-CFM区间组合预测模型的适用范围,结果表明了模型的普适性。