本文關(guān)鍵詞：基于EEMD優(yōu)化的國(guó)際油價(jià)分解集成預(yù)測(cè)模型研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：石油,不僅與我們的生活息息相關(guān),還與國(guó)家發(fā)展和世界經(jīng)濟(jì)緊密相連。如果能夠準(zhǔn)確的把握石油價(jià)格的波動(dòng)方向,則可以幫助國(guó)家和企業(yè)制定更好的政策和決策。因此,對(duì)油價(jià)的準(zhǔn)確預(yù)測(cè)顯得尤為重要。本文為了提高現(xiàn)有模型對(duì)國(guó)際油價(jià)的預(yù)測(cè)精度,對(duì)現(xiàn)有的時(shí)序預(yù)測(cè)相關(guān)方法進(jìn)行了改進(jìn)與創(chuàng)新,具體工作如下：(1)基于Grid-GA優(yōu)化的LSSVR油價(jià)預(yù)測(cè)模型構(gòu)建。本文通過(guò)混合網(wǎng)格搜索法Grid和遺傳算法GA提出了一個(gè)新的混合尋優(yōu)算法Grid-GA優(yōu)化LSSVR的參數(shù),從而構(gòu)建了基于Grid-GA優(yōu)化的LSSVR油價(jià)預(yù)測(cè)模型。通過(guò)與ANN、ARIMA等算法的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,證明了該算法顯著提升了LSSVR的預(yù)測(cè)性能、穩(wěn)定性和泛化能力。(2)基于EEMD和EELM的油價(jià)預(yù)測(cè)模型構(gòu)建。本文首次將擴(kuò)展極致學(xué)習(xí)機(jī)EELM和集成經(jīng)驗(yàn)?zāi)B(tài)分解模型EEMD在“分解集成”方法論的框架下進(jìn)行混合,構(gòu)建了基于EEMD和EELM的分解集成模型。通過(guò)與其他分解集成模型進(jìn)行對(duì)比研究,發(fā)現(xiàn)該模型顯著不僅加快了分解集成模型的運(yùn)行速度和還提高了預(yù)測(cè)性能。(3)基于EEMD優(yōu)化的油價(jià)預(yù)測(cè)分解集成模型構(gòu)建。為了通過(guò)優(yōu)化集成經(jīng)驗(yàn)?zāi)B(tài)分解EEMD的參數(shù)來(lái)提升EEMD的分解效果,本文提出了一個(gè)新方案和多尺度數(shù)據(jù)復(fù)雜性檢驗(yàn)方法來(lái)優(yōu)化EEMD的參數(shù),并構(gòu)建了基于EEMD優(yōu)化的油價(jià)預(yù)測(cè)分解集成模型。研究結(jié)果證明該方法能夠使EEMD能夠適用于各種不同復(fù)雜程度的時(shí)間序列,并且有效提升分解集成模型的預(yù)測(cè)精度和泛化能力。本文提出的模型都在一定程度上提升了國(guó)際油價(jià)的預(yù)測(cè)精度。相較于單預(yù)測(cè)模型(支持向量機(jī)等),分解集成策略能夠顯著提升預(yù)測(cè)模型的預(yù)測(cè)性能。因此,強(qiáng)力的數(shù)據(jù)分解技術(shù)和預(yù)測(cè)性能強(qiáng)大的預(yù)測(cè)模型能夠顯著提高國(guó)際油價(jià)預(yù)測(cè)精度。
【關(guān)鍵詞】：油價(jià)預(yù)測(cè) 集成經(jīng)驗(yàn)?zāi)B(tài)分解 極致學(xué)習(xí)機(jī) 多尺度復(fù)雜性檢驗(yàn)方法
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F416.22;F764.1
【目錄】：

• 學(xué)位論文數(shù)據(jù)集4-5
• 摘要5-7
• ABSTRACT7-14
• 第一章 緒論14-24
• 1.1 研究背景、目的與意義14-15
• 1.1.1 研究背景14-15
• 1.1.2 研究目的與意義15
• 1.2 研究?jī)?nèi)容15-16
• 1.3 研究方法與技術(shù)路線16-20
• 1.3.1 經(jīng)典時(shí)序預(yù)測(cè)模型與智能算法16-19
• 1.3.2 技術(shù)路線19-20
• 1.4 論文結(jié)構(gòu)與章節(jié)安排20-21
• 1.5 本文創(chuàng)新之處21-22
• 1.6 本章小結(jié)22-24
• 第二章 文獻(xiàn)綜述24-30
• 2.1 國(guó)際油價(jià)時(shí)序預(yù)測(cè)文獻(xiàn)綜述24-27
• 2.1.1 國(guó)外研究綜述24-26
• 2.1.2 國(guó)內(nèi)研究綜述26
• 2.1.3 文獻(xiàn)評(píng)述26-27
• 2.2 評(píng)價(jià)指標(biāo)27
• 2.3 本章小結(jié)27-30
• 第三章 基于Grid-GA優(yōu)化的LSSVR油價(jià)預(yù)測(cè)模型研究30-44
• 3.1 引言30
• 3.2 模型構(gòu)建30-35
• 3.2.1 最小二乘支持向量回歸機(jī)31-32
• 3.2.2 網(wǎng)格搜索法32
• 3.2.3 遺傳算法32-33
• 3.2.4 基于Grid-GA優(yōu)化的LSSVR模型構(gòu)建33-35
• 3.3 實(shí)證分析35-42
• 3.3.1 實(shí)驗(yàn)設(shè)計(jì)35
• 3.3.2 基準(zhǔn)模型35-36
• 3.3.3 參數(shù)設(shè)定36-37
• 3.3.4 結(jié)果分析37-42
• 3.3.5 實(shí)證小結(jié)42
• 3.4 本章小結(jié)42-44
• 第四章 基于EEMD和EELM的油價(jià)分解集成預(yù)測(cè)模型研究44-62
• 4.1 引言44
• 4.2 模型構(gòu)建44-48
• 4.2.1 集成經(jīng)驗(yàn)?zāi)B(tài)分解技術(shù)44-45
• 4.2.2 擴(kuò)展極致學(xué)習(xí)機(jī)45-47
• 4.2.3 基于EEMD和EELM的油價(jià)預(yù)測(cè)分解集成模型構(gòu)建47-48
• 4.3 實(shí)證分析48-61
• 4.3.1 實(shí)驗(yàn)設(shè)計(jì)48-49
• 4.3.2 參數(shù)設(shè)定49-50
• 4.3.3 結(jié)果分析50-60
• 4.3.4 實(shí)證小結(jié)60-61
• 4.4. 本章小結(jié)61-62
• 第五章 基于EEMD優(yōu)化的油價(jià)分解集成預(yù)測(cè)模型構(gòu)建與應(yīng)用62-74
• 5.1 引言62-63
• 5.2 模型構(gòu)建63-65
• 5.2.1 多尺度數(shù)據(jù)復(fù)雜性檢驗(yàn)方法63-64
• 5.2.2 EEMD優(yōu)化過(guò)程64-65
• 5.3 實(shí)證分析65-73
• 5.3.1 實(shí)驗(yàn)設(shè)計(jì)65-66
• 5.3.2 參數(shù)設(shè)定66-67
• 5.3.3 結(jié)果分析67-73
• 5.4 本章小結(jié)73-74
• 第六章 結(jié)論與展望74-76
• 6.1 結(jié)論74
• 6.2 不足與展望74-76
• 參考文獻(xiàn)76-80
• 致謝80-81
• 研究成果及發(fā)表的學(xué)術(shù)論文81-82
• 作者簡(jiǎn)介82
• 導(dǎo)師簡(jiǎn)介82-83
• 附件83-84

【共引文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 徐華;基于雙層復(fù)雜網(wǎng)絡(luò)投機(jī)者心理預(yù)期對(duì)原油現(xiàn)貨價(jià)格的影響[D];天津大學(xué);2012年

  本文關(guān)鍵詞：基于EEMD優(yōu)化的國(guó)際油價(jià)分解集成預(yù)測(cè)模型研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：476729