基于SA-WNN模型的油价预测研究

发布时间：2020-11-20 04:23

　　 原油价格不仅受到传统供需面因素的影响,在短期内更容易受到战争、金融危机、自然灾害、政治事件等非常规性因素的影响。为了更加准确地刻画国际油价走势,完善油价预测理论体系,论文首先运用情感分析(SA)方法对反映非常规影响因素的文本数据进行预处理,然后根据文本计算市场趋势项,再将该项作为小波神经网络(WNN)的输入数据,构建基于情感分析的小波神经网络预测模型(SA-WNN)。预测的结果显示,相对于传统BP神经网络模型和基于独立源分析的小波神经网络(ICA-WNN)模型,SA-WNN模型能够准确判断油价的方向性走势,是一种更加优秀的预测模型。
【部分图文】：

在10次随机实验中,记录SA-WNN模型与常规ICA-WNN模型的RMSE,预测结果如图1所示。从图1可以看出,考虑油价当期相关文本数据的SA-WNN模型比没有考虑文本数据的ICA-WNN模型预测精度更高。在10次随机实验中SA-WNN模型有7次均方根误差更低,但整体来看均方根误差稍有提升,这主要是因为在2017年4月至2018年1月这段时期内没有显著的因为金融危机、自然灾害以及政治事件等引发的油价大幅度波动现象。原则上SA-WNN的油价预测模型与考虑影响因素的传统神经网络模型相比在出现重大事件影响油价大幅度波动的条件下预测精度应该会出现显著提高,然而受限于文本数据的搜集,本章并未做此方面的研究。
【相似文献】

相关期刊论文 前10条

1 和鹏飞;刘晓宾;陈真;史旻;陈玉山;;基于深度神经网络模型的钻井井漏预测研究[J];天津科技;2019年S1期

2 秦勇;张永国;赵鹏程;;基于免疫神经网络模型的油气浓度预测研究[J];自动化与仪表;2006年03期

3 赵鹏程 ,王致杰 ,孟江 ,王耀才;基于免疫神经网络模型的油气浓度预测研究[J];自动化博览;2005年03期

4 王艳芹;王勇;刘宇;李瑞英;;油田累积产油量的基函数神经网络模型及其预测[J];大庆师范学院学报;2013年03期

5 高春文;徐景祯;刘晓冬;;分层神经网络模型在单井油气层综合解释中的应用[J];录井技术通讯;1995年02期

6 钱伯章;原油蒸馏应用神经网络模型[J];石油化工自动化;2000年03期

7 Ridha B.C.Gharbi ,吴元,金燕;用神经网络模型评价中东原油的PVT特性[J];天然气勘探与开发;2000年02期

8 梁洪卫;张旭;邹岱峰;;基于VMD-BP神经网络模型的天然气管道工况检测研究[J];化工自动化及仪表;2017年07期

9 任少峰;周俊;张修玉;李玉能;邓涛;蒲恒强;;基于BP神经网络模型的爆破对邻近管道振动预测研究[J];矿业研究与开发;2018年09期

10 王乃民;刘润华;肖广云;;小波神经网络在原油含水率预测中的应用研究[J];化工自动化及仪表;2008年03期

相关博士学位论文 前1条

1 任伟建;智能算法及其在油田故障诊断问题中的应用[D];大庆石油学院;2006年

相关硕士学位论文 前4条

1 侯秀颖;基于BP神经网络模型的HL项目采购供应商评选研究[D];华南理工大学;2018年

2 徐慧娟;基于不确定性的国际油价预测研究[D];北京化工大学;2018年

3 杨旭;数据挖掘技术及其在石化装置中的应用研究[D];武汉理工大学;2016年

4 李国蕊;量子神经网络模型及在储层识别中的应用[D];东北石油大学;2017年

本文编号：2890944