發(fā)布時間：2017-03-19 07:00

  本文關(guān)鍵詞：基于ARIMA與SVM組合模型的煤炭價格預(yù)測，，由筆耕文化傳播整理發(fā)布。

【摘要】：煤炭是我國的基本資源,長期在能源市場中起著絕對的主導(dǎo)作用。煤炭價格一旦發(fā)生劇烈波動,將會對國家的宏觀經(jīng)濟(jì),區(qū)域經(jīng)濟(jì),居民生活,尤其對涉煤企業(yè)產(chǎn)生重要影響。因此實現(xiàn)煤炭價格較為精準(zhǔn)的預(yù)測,對企業(yè)決策者做出有利的戰(zhàn)略計劃具有重要的意義。傳統(tǒng)的煤炭價格預(yù)測模型主要使用時間序列方法或是采用人工智能方法。但是由于煤炭價格時間序列具有非線性性與非平穩(wěn)性,使用單一的預(yù)測模型難以捕捉到其綜合趨勢。為了進(jìn)一步提升模型的預(yù)測精度,本文討論了基于ARIMA與SVM的煤炭價格預(yù)測的組合模型,研究內(nèi)容包括:1)采用一階差分的方法,將非平穩(wěn)的原價格序列轉(zhuǎn)化為平穩(wěn)的時間序列。比較評價指標(biāo)的大小以及參數(shù)估計結(jié)果,選出三個可能的模型,即:ARIMA(6,1,5),ARIMA(6,1,6)以及ARIMA(6,1,9),綜合考慮模型的殘差序列是否具有純隨機(jī)性及其自相關(guān)系數(shù)是否處于置信區(qū)間內(nèi),最終選擇ARIMA(6,1,6)模型來預(yù)測2014年5月至2015年2月的煤炭價格,預(yù)測結(jié)果表明該模型的MAPE為1.65,達(dá)到了很高的精度要求;2)建立煤炭價格的SVM預(yù)測模型,同時,為了進(jìn)一步提高預(yù)測精度,利用粒子群優(yōu)化(PSO)算法,對支持向量機(jī)中的參數(shù)進(jìn)行優(yōu)化。結(jié)果顯示,PSO-SVM模型的MAPE值為1.68,取得了較好的預(yù)測效果;3)煤炭價格時間序列含有線性與非線性兩部分,且這兩部分并非完全相互獨立,本文采用并聯(lián)式組合預(yù)測的思想,建立了ARIMA與SVM的組合預(yù)測模型,組合模型的MAPE為1.36,明顯小于單一模型的MAPE值,說明該模型可充分利用原始數(shù)據(jù)中隱含的信息,進(jìn)一步驗證了組合預(yù)測模型的可行性和有效性。
【關(guān)鍵詞】：煤炭價格 ARIMA模型 支持向量機(jī) 組合預(yù)測
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F426.21;F764.1;TP18
【目錄】：

• 摘要3-4
• ABSTRACT4-6
• 第1章 緒論6-14
• 1.1 研究背景和意義6-9
• 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀9-12
• 1.3 論文研究內(nèi)容12-14
• 第2章 相關(guān)建模方法14-26
• 2.1 ARIMA模型14-16
• 2.2 支持向量機(jī)（SVM）16-21
• 2.3 粒子群（PSO）優(yōu)化算法21-26
• 第3章 基于ARIMA模型的煤炭價格預(yù)測26-38
• 3.1 數(shù)據(jù)來源與評價指標(biāo)26
• 3.2 煤炭價格時間序列的平穩(wěn)性檢驗26-29
• 3.3 模型的識別與定階29-34
• 3.4 ARIMA模型的檢驗34-36
• 3.5 煤炭價格的預(yù)測36-38
• 第4章 煤炭價格預(yù)測的PSO-SVM模型38-42
• 4.1 數(shù)據(jù)獲取與預(yù)處理38
• 4.2 SVM中的參數(shù)分析38
• 4.3 PSO的SVM參數(shù)優(yōu)化38-39
• 4.4 仿真實驗與結(jié)果分析39-42
• 第5章 基于ARIMA與SVM的煤炭價格組合預(yù)測42-48
• 5.1 組合預(yù)測方法42-44
• 5.1.1 串聯(lián)型組合模型42-43
• 5.1.2 并聯(lián)型組合模型43-44
• 5.2 組合模型仿真實驗44-45
• 5.3 實驗結(jié)果比較分析45-48
• 第6章 總結(jié)與展望48-50
• 6.1 總結(jié)48
• 6.2 展望48-50
• 參考文獻(xiàn)50-54
• 附錄 完成的論文和參與的科研項目54-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王習(xí)濤;;ARIMA模型在期貨交易預(yù)測中的應(yīng)用研究[J];微計算機(jī)信息;2006年15期

2 張翼飛;陳洪;劉嶺;張彥琦;郭波濤;易東;;ARIMA季節(jié)乘積模型在腸道傳染病預(yù)測中的應(yīng)用[J];激光雜志;2008年02期

3 蔣金良;林廣明;;基于ARIMA模型的自動站風(fēng)速預(yù)測[J];控制理論與應(yīng)用;2008年02期

4 曹昱東;王浩;;基于ARIMA模型上海市生活垃圾的預(yù)測與分析[J];電子測試;2013年16期

5 吳u

本文編號：255652