基于CEEMDAN_GA_KELM的国内市场钢材价格预测模型研究

发布时间：2020-04-25 04:58

【摘要】：钢铁不仅成为保障国民经济各部门顺利运行的重要工业基础物资,其价格波动也越来越成为制约各国经济平稳运行的不稳定因素。2017年,中国成为全球钢铁出口最多的国家,进口量达到全球第十一名,对中国经济的稳定运行产生了一定的影响。在变幻莫测的国际钢铁市场中,钢材作为钢铁的主要成型品,是钢铁价格的最主要承担者,如果我们能够正确地预测钢材价格走势,就可以提前对价格的波动进行预防,降低可能发生的风险,维护自身的利益。同时,正确的预测我国的钢材价格也可以使我国钢厂、房产、汽车制造商等需要使用钢材的企业能及时应对市场价格与供需变化。因此,密切关注我国钢材市场,探究钢材价格变动的潜在原由,对价格的走向进行合理的预测,对国家和企业都具有重要的意义。钢材作为重要的工业基础物资,具有政治、商品及金融等多种属性,本文将热轧板卷与冷轧板卷价格的月度数据作为研究对象,不仅考虑价格时间序列自身的发展规律,并且通过灰色关联分析(GRA)筛选了影响价格的七个重要因素,提出了CEEMDAN_GA_KELM钢材价格预测模型。本文主要研究以下两个方面:首先是借鉴支持向量机(SVM)高斯核函数原理对极限学习机(ELM)进行改进,得到核化极限学习机(KELM),因此KELM模型也需要对核参数与惩罚系数进行选取。对此,本文建立GA_KELM模型,运用遗传算法(GA)对KELM的核参数和惩罚系数进行优化。通过对热轧板卷月度价格的实证分析表明,GA_KELM预测的均方误差为69181,与KELM模型和SVM模型相比预测精度提高了21.16%和13.50%;其次,本文将主要用于信号技术的自适应噪声的完全集合经验模态分解(CEEMDAN)运用在非平稳非线性的价格序列研究中,将钢材价格序列分解成若干不同频率的分量,每个分量分别运用GA_KELM模型进行预测,将分量预测结果相加重构得到最终的钢材价格预测值。实证结果表明,运用CEEMDAN_GA_KELM进行预测的相对误差为11.7702%,预测精度比单独采用GA_KELM模型提高了4.62%,这表明本文所运用的预测方法是可行且有效的。在此模型基础上,采用ARIMA模型对要素进行线性预测,再结合CEEMDAN_GA_KELM模型对后十二个月热轧板卷价格进行预测并提出相应建议。
【图文】：

技术路线图,技术路线

基于 CEEMDAN_GA_KELM 的国内市场钢材价格预测模型研究优度、均方误差和相对误差之间的对比。结果显示，CEEMDAN_GA_KELM 的预测结果最佳，说明第三点的优化步骤在一定程度上对预测起到了正面作用，提高了预测精度，对相关经济产品价格预测具有重要参考意义。1.5 技术路线

运行图,运行图,遗传算法,选择概率

计算个体适应度值。若种群数达到要求或者遗传代数达到要求，GA 算法结束具有最大适应度的个体；若不满足，执行下一步。选择算子决定选择概率 PS(xi)，选择概率会按照概率随机从这些选择的个体的染色体进行染色体复制，，复制 N 次，交叉算子决定交叉概率 Pc(xi)，并且按照交叉概率从 S1(k)对所选取的染色体进行配对与交叉操作，得到由新的染。变异算子决定变异概率 Pm(xi)，按照变异概率从 S2(k)选取染色体的随机一段进行变异操作，即重新编码，得到新的S3(k)替代最开始的种群 S(k)作为新一代的种群，t=t+1，的第 3 步。
【学位授予单位】：江西财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F426.31;F764.2

【相似文献】