原油價格不僅受到傳統(tǒng)供需面因素的影響,在短期內更容易受到戰(zhàn)爭、金融危機、自然災害、政治事件等非常規(guī)性因素的影響。為了更加準確地刻畫國際油價走勢,完善油價預測理論體系,論文首先運用情感分析(SA)方法對反映非常規(guī)影響因素的文本數(shù)據進行預處理,然后根據文本計算市場趨勢項,再將該項作為小波神經網絡(WNN)的輸入數(shù)據,構建基于情感分析的小波神經網絡預測模型(SA-WNN)。預測的結果顯示,相對于傳統(tǒng)BP神經網絡模型和基于獨立源分析的小波神經網絡(ICA-WNN)模型,SA-WNN模型能夠準確判斷油價的方向性走勢,是一種更加優(yōu)秀的預測模型。
【部分圖文】：

在10次隨機實驗中,記錄SA-WNN模型與常規(guī)ICA-WNN模型的RMSE,預測結果如圖1所示。從圖1可以看出,考慮油價當期相關文本數(shù)據的SA-WNN模型比沒有考慮文本數(shù)據的ICA-WNN模型預測精度更高。在10次隨機實驗中SA-WNN模型有7次均方根誤差更低,但整體來看均方根誤差稍有提升,這主要是因為在2017年4月至2018年1月這段時期內沒有顯著的因為金融危機、自然災害以及政治事件等引發(fā)的油價大幅度波動現(xiàn)象。原則上SA-WNN的油價預測模型與考慮影響因素的傳統(tǒng)神經網絡模型相比在出現(xiàn)重大事件影響油價大幅度波動的條件下預測精度應該會出現(xiàn)顯著提高,然而受限于文本數(shù)據的搜集,本章并未做此方面的研究。
【相似文獻】

相關期刊論文 前10條

1 和鵬飛;劉曉賓;陳真;史旻;陳玉山;;基于深度神經網絡模型的鉆井井漏預測研究[J];天津科技;2019年S1期

2 秦勇;張永國;趙鵬程;;基于免疫神經網絡模型的油氣濃度預測研究[J];自動化與儀表;2006年03期

3 趙鵬程 ,王致杰 ,孟江 ,王耀才;基于免疫神經網絡模型的油氣濃度預測研究[J];自動化博覽;2005年03期

4 王艷芹;王勇;劉宇;李瑞英;;油田累積產油量的基函數(shù)神經網絡模型及其預測[J];大慶師范學院學報;2013年03期

5 高春文;徐景禎;劉曉冬;;分層神經網絡模型在單井油氣層綜合解釋中的應用[J];錄井技術通訊;1995年02期

6 錢伯章;原油蒸餾應用神經網絡模型[J];石油化工自動化;2000年03期

7 Ridha B.C.Gharbi ,吳元,金燕;用神經網絡模型評價中東原油的PVT特性[J];天然氣勘探與開發(fā);2000年02期

8 梁洪衛(wèi);張旭;鄒岱峰;;基于VMD-BP神經網絡模型的天然氣管道工況檢測研究[J];化工自動化及儀表;2017年07期

9 任少峰;周俊;張修玉;李玉能;鄧濤;蒲恒強;;基于BP神經網絡模型的爆破對鄰近管道振動預測研究[J];礦業(yè)研究與開發(fā);2018年09期

10 王乃民;劉潤華;肖廣云;;小波神經網絡在原油含水率預測中的應用研究[J];化工自動化及儀表;2008年03期

相關博士學位論文 前1條

1 任偉建;智能算法及其在油田故障診斷問題中的應用[D];大慶石油學院;2006年

相關碩士學位論文 前4條

1 侯秀穎;基于BP神經網絡模型的HL項目采購供應商評選研究[D];華南理工大學;2018年

2 徐慧娟;基于不確定性的國際油價預測研究[D];北京化工大學;2018年

3 楊旭;數(shù)據挖掘技術及其在石化裝置中的應用研究[D];武漢理工大學;2016年

4 李國蕊;量子神經網絡模型及在儲層識別中的應用[D];東北石油大學;2017年

本文編號：2890944