基于RVFL网络集成模型的国际原油价格预测研究

发布时间：2021-11-26 09:35

　　石油,作为一种主要的能源,对世界政治、经济、外交、军事格局有着深远影响。准确快速的原油价格预测有助于优化相应的生产、销售和投资等计划,避免潜在风险,提高石油相关部门的利润。原油价格的驱动因素不仅包括市场供需平衡状况,而且包括各种外部因素,如与其他资源的替代性、天气、库存水平、经济增长、政治变化、心理预期和极端事件。由于这些因素相互作用,原油价格预测成了一项艰巨的任务。在此背景下,本文重点从准确性和计算时间效率的角度出发,构建原油价格快速预测模型,对现有的油价预测模型进行改进和创新。具体研究内容如下:首先,通过混合集成经验模态分解EEMD（Ensemble Empirical Mode Decomposition）和 RVFL 网络（Random Vector Functional Link network）构建了一个新的分解集成油价预测模型。通过与其他油价预测模型和现有分解集成模型对比,发现RVFL网络的引入从预测精度和计算时间效率上提高了分解集成模型的性能。然后,将 RVFL 网络、极限学习机 ELM（Extreme Learning Machine）和RKS（Random Kitc... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图１－１技术路线图??Ｆｉｇ．１－１?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｔｅｃｈｎｉｑｕｅ??

方案?平均绝对百分比误差（ＭＡＰＥ）?（Ｃｏｍｐｕｔａｔｉｏｎａｌ?Ｔｕｎｅ）?抓断ｄｔ）??图１－１技术路线图??Ｆｉｇ．１－１?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｔｅｃｈｎｉｑｕｅ??１．４论文章节安排??通过以上分析，本文将从６个章节出发，构建

?北京化工大学硕士学位论文???３．２．３基于ＲＶＦＬ网络的分解集成模型构建??鉴于在分解步骤中分解出大量分量，都需要在预测步骤中进行建模，使用有效且??快速的无迭代算法，如ＲＶＦＬ网络作为单独的预测工具，可以降低现有分解集成模型??的运算时间，并提高预测精度。相应地，基于ＲＶＦＬ网络的无迭代分解集成预测模型??构建过程如图３－１所示：?????

【参考文献】：
期刊论文
[1]基于改进型小波神经网络的油价预测[J]. 范丽伟,代杰,尹俊超.  统计与决策. 2017(12)
[2]基于VARM和VECM的Brent油价定量分析与预测[J]. 张海玲,侯晖,孙翊.  数学的实践与认识. 2017(12)
[3]基于多重“分解—集成”策略的物流货运量预测[J]. 周程,李松.  交通运输系统工程与信息. 2015(01)
[4]基于多因素SVM的油价预测模型研究[J]. 李建立,万勇韬,张志刚.  数学的实践与认识. 2014(06)
[5]基于混合模型的原油价格混沌预测方法[J]. 张金良,谭忠富.  运筹与管理. 2013(05)
[6]基于ARIMA与GARCH模型的国际油价预测比较分析[J]. 胡爱梅,王书平.  经济研究导刊. 2012(26)
[7]基于PCA的ARFIMA-GARCH油价预测模型[J]. 林盛,王文超.  价值工程. 2011(27)
[8]ARIMA与SVM组合模型的石油价格预测[J]. 吴虹,尹华.  计算机仿真. 2010(05)
[9]电力市场下系统边际价格混合预测模型的新研究[J]. 郑华,谢莉,张粒子,申景娜.  中国电机工程学报. 2005(17)



本文编号：3519876