基于ARIMA与SVM组合模型的煤炭价格预测

发布时间：2017-03-19 07:00

  本文关键词：基于ARIMA与SVM组合模型的煤炭价格预测，，由笔耕文化传播整理发布。

【摘要】：煤炭是我国的基本资源,长期在能源市场中起着绝对的主导作用。煤炭价格一旦发生剧烈波动,将会对国家的宏观经济,区域经济,居民生活,尤其对涉煤企业产生重要影响。因此实现煤炭价格较为精准的预测,对企业决策者做出有利的战略计划具有重要的意义。传统的煤炭价格预测模型主要使用时间序列方法或是采用人工智能方法。但是由于煤炭价格时间序列具有非线性性与非平稳性,使用单一的预测模型难以捕捉到其综合趋势。为了进一步提升模型的预测精度,本文讨论了基于ARIMA与SVM的煤炭价格预测的组合模型,研究内容包括:1)采用一阶差分的方法,将非平稳的原价格序列转化为平稳的时间序列。比较评价指标的大小以及参数估计结果,选出三个可能的模型,即:ARIMA(6,1,5),ARIMA(6,1,6)以及ARIMA(6,1,9),综合考虑模型的残差序列是否具有纯随机性及其自相关系数是否处于置信区间内,最终选择ARIMA(6,1,6)模型来预测2014年5月至2015年2月的煤炭价格,预测结果表明该模型的MAPE为1.65,达到了很高的精度要求;2)建立煤炭价格的SVM预测模型,同时,为了进一步提高预测精度,利用粒子群优化(PSO)算法,对支持向量机中的参数进行优化。结果显示,PSO-SVM模型的MAPE值为1.68,取得了较好的预测效果;3)煤炭价格时间序列含有线性与非线性两部分,且这两部分并非完全相互独立,本文采用并联式组合预测的思想,建立了ARIMA与SVM的组合预测模型,组合模型的MAPE为1.36,明显小于单一模型的MAPE值,说明该模型可充分利用原始数据中隐含的信息,进一步验证了组合预测模型的可行性和有效性。
【关键词】：煤炭价格 ARIMA模型 支持向量机 组合预测
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F426.21;F764.1;TP18
【目录】：

• 摘要3-4
• ABSTRACT4-6
• 第1章 绪论6-14
• 1.1 研究背景和意义6-9
• 1.2 国内外相关研究现状9-12
• 1.3 论文研究内容12-14
• 第2章 相关建模方法14-26
• 2.1 ARIMA模型14-16
• 2.2 支持向量机（SVM）16-21
• 2.3 粒子群（PSO）优化算法21-26
• 第3章 基于ARIMA模型的煤炭价格预测26-38
• 3.1 数据来源与评价指标26
• 3.2 煤炭价格时间序列的平稳性检验26-29
• 3.3 模型的识别与定阶29-34
• 3.4 ARIMA模型的检验34-36
• 3.5 煤炭价格的预测36-38
• 第4章 煤炭价格预测的PSO-SVM模型38-42
• 4.1 数据获取与预处理38
• 4.2 SVM中的参数分析38
• 4.3 PSO的SVM参数优化38-39
• 4.4 仿真实验与结果分析39-42
• 第5章 基于ARIMA与SVM的煤炭价格组合预测42-48
• 5.1 组合预测方法42-44
• 5.1.1 串联型组合模型42-43
• 5.1.2 并联型组合模型43-44
• 5.2 组合模型仿真实验44-45
• 5.3 实验结果比较分析45-48
• 第6章 总结与展望48-50
• 6.1 总结48
• 6.2 展望48-50
• 参考文献50-54
• 附录 完成的论文和参与的科研项目54-56
• 致谢56

【相似文献】

中国期刊全文数据库 前10条

1 王习涛;;ARIMA模型在期货交易预测中的应用研究[J];微计算机信息;2006年15期

2 张翼飞;陈洪;刘岭;张彦琦;郭波涛;易东;;ARIMA季节乘积模型在肠道传染病预测中的应用[J];激光杂志;2008年02期

3 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

4 曹昱东;王浩;;基于ARIMA模型上海市生活垃圾的预测与分析[J];电子测试;2013年16期

5 吴u

本文编号：255652