基于NSGA2算法和Elman神经网络的煤炭价格预测模型的研究

发布时间：2023-03-30 01:44

　　近年来,煤炭价格的波动程度尤为复杂。其价格的涨跌往往预示未来一段时间的经济发展方向,如何准确预测煤炭价格的涨跌已经成为重要的研究课题。但随着对煤炭价格研究逐渐深入,人们发现煤炭价格与往期煤炭价格联系十分密切,因此从时间序列中获取未来煤炭价格走势就显得十分重要。依靠时间序列中获得的可靠的预测结果有利于公司事先掌握煤炭价格的走势,从而适当的调整资金调动,对企业的生产规划做出相应调整,降低亏损概率等;同时也有利于国家对于宏观经济的调控,对可能存在的问题及时做出政策调整,从而避免煤炭资源的进一步滥用。本文梳理了目前关于煤炭价格预测的相关研究成果,分别从数据预处理、优化算法、神经网络三个部分介绍了本文的理论基础。并在此基础上选择了小波阈值法、基于反向学习的NSGA2算法以及Elman神经网络作为组合模型的一部分,利用了内蒙古,山西,安徽等地的煤炭价格时间序列数据进行模型的训练。根据不同的模型指标进行测评,从不同方面不同角度验证本文所提出的模型的稳定性,对比不同的模型得到最终结论。全文共分为五个章节。第一章为绪论,介绍煤炭价格预测的研究背景和意义,对煤炭价格预测相关的文献做系统性的梳理,并对本文的...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 选题背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 文献综述
        1.2.1 基于传统计量经济学模型的煤炭价格预测研究现状
        1.2.2 基于单一模型的煤炭价格预测的研究现状
        1.2.3 基于组合模型的煤炭价格预测的研究现状
        1.2.4 文献述评
    1.3 研究方法和框架
        1.3.1 研究方法
        1.3.2 研究框架
    1.4 创新之处
    1.5 不足之处
2 相关理论概述
    2.1 小波阈值法相关理论
    2.2 Elman神经网络
        2.2.1 神经网络的概述
        2.2.2 神经网络的分类
        2.2.3 Elman神经网络的原理
    2.3 基于反向学习的非支配快速排序遗传算法
        2.3.1 优化算法简介
        2.3.2 遗传基本算法
        2.3.3 基于反向学习的非支配快速排序遗传算法(OBL-NSGA2)
    2.4 OBL-NSGA2-ENN模型
    2.5 本章小结
3 煤炭价格预测的实验设计
    3.1 实验数据描述
    3.2 预测模型评价指标
    3.3 实验设计思路
    3.4 模型预测步骤
    3.5 本章小结
4 实验结果仿真与分析
    4.1 多目标算法测试
        4.1.1 OBL-NSGA2算法测试
        4.1.2 OBL-NSGA2在组合模型中的适用性
    4.2 不同模型预测煤炭价格预测对比
    4.3 不同时期地区煤炭价格预测对比
5 结论与展望
参考文献
后记



本文编号：3774925