基于滚动时间窗的ε-SVR煤炭价格预测模型研究

发布时间：2020-11-08 13:19

　　 从研究煤炭价格序列自身变化规律的角度,提出基于滚动时间窗的ε-SVR预测模型,通过数据重构获得输入与输出样本,随着时间推移,不断更新滚动时间窗的数据内容,从而建立动态的ε-SVR模型预测最新时点的煤炭价格。将此模型应用于秦皇岛港5 500 kcal混煤价格的预测,分别进行了1期、3期、6期、9期及12期的价格预测,所有预测结果的平均误差值不超过3%,可见预测精度较高,预测效果良好。而且此模型数据获取简单、计算灵活方便,可应用于煤炭价格等非平稳时间序列的预测问题中,其结果可以为相关企业决策者提供科学有效的数据支持。
【部分图文】：

经汇总整理，可知秦皇岛港5 500 kcal混煤2011年1月份的平均价格为778元/t,2019年12月份的平均价格为545元/t，期间煤炭价格的变动趋势如图1所示。由图1明显可见，煤炭价格自2012年年初开始下降，持续下跌4年，虽然2013年底至2014年初稍有回升，但总体下跌趋势并未改变。从2011年年底的最高报价850元/t到2015年年底的350元/t，跌幅达500元/t。直到2016年年初煤价开始触底反弹，2016年11月突破700元/t,2017—2018年煤价一直在较高位波动，在2019年一季度经过一波小幅上涨之后，煤价逐步走弱，12月均价为545元/t，较2018年同期回调55元/t。

基于滚动时间窗的ε-SVR算法流程

通过两组实验结果对比可以看出，选择不同长度历史数据对价格进行短期预测时各有利弊，在平均相对误差区别不是很大的情况下，较少历史数据的学习模型对某些时刻的预测精度会非常高，但是由于缺乏考虑较远时刻数据的影响，对个别点预测误差会增大；而较多历史数据的学习模型预测精度相对集中，总体误差率较低，但由于综合考虑较长时期的价格变化特征，导致精度非常高的点有所减少。4.2 多期价格预测
【相似文献】

相关期刊论文 前10条

1 叶小婷;武莎莎;;火灾预警的SVR应用研究[J];测控技术;2015年08期

2 刘太安;张序萍;魏光村;薛欣;;基于SVR的煤矿地下水位预测模型[J];微计算机信息;2008年16期

3 陈同俊;王新;管永伟;;基于SVR和地震属性的构造煤厚度定量预测[J];煤炭学报;2015年05期

4 陈炳乾;邓喀中;范洪冬;;基于D-InSAR技术和SVR算法的开采沉陷监测与预计[J];中国矿业大学学报;2014年05期

5 王金凤;翟雪琪;冯立杰;;基于SVR的煤矿安全资源与安全状态作用机理模型[J];煤矿安全;2014年06期

6 张文东;胡彧;;基于改进型主元分析和SVR的煤矿瓦斯涌出量预测[J];中北大学学报(自然科学版);2018年03期

7 王杰;;基于SVR模型的原煤生产成本预测[J];电子制作;2012年12期

8 周传波;基于回归分析理论的爆破块度预测模型研究[J];爆破;2003年04期

9 邓军,陈晓坤,翟小伟,罗振敏;煤最短自然发火期灰色预测模型研究[J];西安科技大学学报;2004年04期

10 刘小生;于良;冯腾飞;;基于SVR组合模型的边坡位移预测研究[J];金属矿山;2018年02期

相关硕士学位论文 前3条

1 汤世祥;SVR在红外瓦斯检测技术中的应用研究[D];合肥工业大学;2016年

2 魏真;基于SVR的煤层顶板水害分析模型研究[D];中国矿业大学;2015年

3 王姝;基于回归性分析的尾矿库事故预测模型研究[D];首都经济贸易大学;2009年

本文编号：2874840