期刊文献+
共找到356篇文章
< 1 2 18 >
每页显示 20 50 100
基于BiLSTM-AM-ResNet组合模型的山西焦煤价格预测 被引量:1
1
作者 樊园杰 睢祎平 张磊 《中国煤炭》 北大核心 2025年第3期42-51,共10页
煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题... 煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题,以山西焦煤价格为研究对象,分析影响煤炭价格的多种因素,并利用先进的人工智能机器学习算法来解决煤价预测问题。综合双向长短期记忆网络、注意力机制和残差神经网络的优势,构建双向长短期残差神经网络(BiLSTM-AM-ResNet)进行山西焦煤价格预测实验。采集2012-2023年的山西焦煤价格周度数据作为实验数据,对其进行空缺值处理和归一化处理,绘制相关系数热图并确定模型输入特征类型,进而简化模型并提高预测准确率与预测速度。通过模型预测实验得出,经BiLSTM-AM-ResNet模型预测的山西焦煤价格与实际煤价的发展趋势有着较高的线性拟合性,且预测结果与真实煤价在数值上非常接近,预测准确率达到了95.08%。 展开更多
关键词 焦煤价格预测 长短期记忆网络 注意力机制 残差神经网络 相关性分析
在线阅读 下载PDF
基于滑动时间窗和组合模型结合的中国LNG现货价格预测方法
2
作者 孙仁金 邓钰暄 +1 位作者 李慧慧 刘子越 《天然气工业》 北大核心 2025年第3期170-178,共9页
近年来,中国液化天然气(LNG)的生产量和进口量持续攀升,成为最重要的天然气供给来源之一。由于LNG供给灵活、市场参与主体众多、在产业链中市场化程度相对较高,科学准确预测LNG现货价格能够为市场参与者提供决策参考,降低市场风险。为此... 近年来,中国液化天然气(LNG)的生产量和进口量持续攀升,成为最重要的天然气供给来源之一。由于LNG供给灵活、市场参与主体众多、在产业链中市场化程度相对较高,科学准确预测LNG现货价格能够为市场参与者提供决策参考,降低市场风险。为此,建立了基于滑动时间窗以及二次分解思想的变分模态分解(VMD)—自适应噪声完全集合经验模态分解(CEEMDAN)—极限学习机模型(ELM)有机组合预测模型,并以内蒙古自治区的LNG价格数据为例进行实证分析。研究结果表明:(1)采用滑动时间窗可以有效提取LNG价格序列中用于分析建模的部分,将训练集数据进行分解、建模以及预测等环节,避免了待预测的LNG价格数据混入其中;同时可以在建模预测步骤完成后,舍弃最旧日期的LNG价格,将新一期的价格数据纳入其中,随时间推移有效把握数据规律,实现了模型的动态更新。(2)利用VMD对LNG价格进行初次分解,再通过CEEMDAN对VMD的残差序列展开二次分解,可以充分提取LNG价格的数据信息,以提高预测精度。(3)将二次模态分解LNG价格得到的分量模态序列分别带入ELM模型中预测,再将各价格分量预测结果加和集成得到LNG价格预测结果,可以显著提升价格预测的准确度。结论认为,该模型可以更好提取序列时频信息,有效规避了数据泄露问题,充分利用残差数据,显著提高了预测精度,是LNG现货价格预测的可行方法与有效手段。 展开更多
关键词 滑动时间窗 机器学习 二次分解 LNG 价格预测
在线阅读 下载PDF
基于集成学习的ARIMA-LSTM模型在棉粕价格预测中的应用 被引量:1
3
作者 吴展 王春晓 《饲料研究》 北大核心 2025年第2期227-231,共5页
准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据... 准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据中线性变化,并应用LSTM算法估计棉粕价格序列的非线性效应。运用集成学习极限梯度提升(XGBoost)算法来确定残差序列滞后长度作为LSTM模型中的输入节点。最后,将拟合的线性和非线性变化之和作为ARIMA-LSTM组合模型的最终预测值。研究表明,基于XGBoost的ARIMA-LSTM混合模型优于单一的ARIMA时间序列预测模型,具有良好的预测性能。 展开更多
关键词 深度学习 棉粕价格预测 集成学习 ARIMA模型 XGBoost算法
在线阅读 下载PDF
考虑价格预测的储能电站调频投标策略 被引量:1
4
作者 国勇健 李爱魁 +4 位作者 孙威 张神武 周浩 饶仁 罗全 《中国电机工程学报》 北大核心 2025年第13期5086-5098,I0012,共14页
投标竞价是未来储能电站作为独立市场主体参与电力系统调频的主要方式。市场出清价格预测、考虑中标率的容量确定方法以及荷电状态(state of charge,SOC)利用率是投标竞价中的关键因素,该文提出一种可以保证中标率同时提升收益率的日前... 投标竞价是未来储能电站作为独立市场主体参与电力系统调频的主要方式。市场出清价格预测、考虑中标率的容量确定方法以及荷电状态(state of charge,SOC)利用率是投标竞价中的关键因素,该文提出一种可以保证中标率同时提升收益率的日前市场双目标优化投标策略。首先,在日前通过基于注意力机制的门控循环单元(gated recurrent unit,GRU)神经网络预测模型预测调频出清价格与电价,使用概率距离快速削减法生成典型调频信号集来模拟调频信号的不确定性。其次,对储能电站调频容量成本与里程成本进行核算,确定调频收益的结算方式,在日前市场提出以提升中标率和收益率为目标的双目标投标策略。该策略能够指导储能电站投标报价并确定调频容量。同时在此策略中考虑SOC利用率,根据典型调频信号集设置初始SOC范围,以提升电站收益。然后,在实时阶段引入偏差考核,滚动优化调频容量。最后,通过算例分析验证所提策略可以使储能电站二次调频成本降低0.88%,成本收益率提高0.61%,有利于激励更多储能电站参与调频辅助服务市场。 展开更多
关键词 储能电站 调频 投标竞价 价格预测 中标率 收益率
在线阅读 下载PDF
基于ARIMA模型的中国鸡肉价格预测分析
5
作者 孙晓彤 韩启政 肖红波 《农业展望》 2025年第5期30-36,共7页
从世界范围来看,肉类生产消费结构正在由猪牛羊肉等向禽肉转变,而中国作为鸡肉消费与生产领域的大国,鸡肉价格在不同时期呈现出较为剧烈的波动状态,这在一定程度上制约了中国肉鸡产业的有序健康发展。为了破解国内鸡肉价格周期性剧烈波... 从世界范围来看,肉类生产消费结构正在由猪牛羊肉等向禽肉转变,而中国作为鸡肉消费与生产领域的大国,鸡肉价格在不同时期呈现出较为剧烈的波动状态,这在一定程度上制约了中国肉鸡产业的有序健康发展。为了破解国内鸡肉价格周期性剧烈波动对产业稳定性的制约效应,本研究以中国鸡肉集贸市场价格为研究对象,基于2015—2024年中国鸡肉集贸市场价格数据,利用ARIMA模型对2025年2月—2026年3月鸡肉价格进行预测。结果表明:ARIMA(2,1,2)模型的预测效果较好,2025年2月—2025年7月,中国鸡肉价格呈缓慢下降态势;2025年8月—2025年12月,中国鸡肉价格回升;2026年1月—2026年3月,中国鸡肉价格持续上涨。基于此,提出以下对策建议:构建全产业链数字化监测与预警系统,创新“保险+期货”复合型风险对冲机制,借助消费者预期管理抑制市场剧烈波动。 展开更多
关键词 鸡肉价格 价格预测 ARIMA模型
在线阅读 下载PDF
基于TF-CNN-BiLSTM模型的国际天然铀价格预测
6
作者 杨璟喆 薛小刚 《原子能科学技术》 北大核心 2025年第6期1352-1360,共9页
国际天然铀价格对核能产业的可持续性发展至关重要,然而因其市场价格的复杂性与波动使得价格预测具有挑战性。近年来深度学习模型在金融时间序列预测中表现出较好的效果而得到广泛应用。本文提出了一种TF-CNN-BiLSTM模型,该模型结合了Tr... 国际天然铀价格对核能产业的可持续性发展至关重要,然而因其市场价格的复杂性与波动使得价格预测具有挑战性。近年来深度学习模型在金融时间序列预测中表现出较好的效果而得到广泛应用。本文提出了一种TF-CNN-BiLSTM模型,该模型结合了Transformer的自注意力机制、卷积神经网络(CNN)的局部特征提取能力,以及双向长短期记忆网络(BiLSTM)对时序依赖关系的建模优势。通过对历史天然铀价格数据的深入分析,模型在测试集上的RMSE为0.0443,MAE为0.0247,R^(2)为0.8020,说明模型具有较为良好的预测能力。本文研究为国际天然铀市场价格预测提供了新的方法工具,展现了其在实际应用中的潜在价值。 展开更多
关键词 天然铀价格预测 TRANSFORMER BiLSTM 卷积神经网络 深度学习
在线阅读 下载PDF
基于机器学习Mod-EMD-BiLSTM组合模型的碳价格预测方法研究
7
作者 赵玉帛 丁晓格 +1 位作者 刘露毅 张旭晴 《工业技术经济》 北大核心 2025年第7期124-134,共11页
碳价格的精准预测能够为气候政策制定、投资者理性决策以及维护碳市场稳定运行提供定量支撑与参考依据。本文提出一种结合数据增强、经验模态分解和双向长短期记忆技术的新型混合机器学习Mod-EMD-BiLSTM预测模型。具体来说,(1)对原始碳... 碳价格的精准预测能够为气候政策制定、投资者理性决策以及维护碳市场稳定运行提供定量支撑与参考依据。本文提出一种结合数据增强、经验模态分解和双向长短期记忆技术的新型混合机器学习Mod-EMD-BiLSTM预测模型。具体来说,(1)对原始碳价格序列进行经验模态分解,得到一系列较平稳且低噪音的内在模态分量(IMF);(2)引入数据增强技术,强化数据重组并随机生成一半的IMF组合;(3)基于本模型的预防与预测两大平行机制对IMF组合分量做进一步预处理并展开模型训练;(4)通过BiLSTM神经网络的全连接层集成两大框架的输出值,获取最终的碳价格预测结果。在建立预测模型的基础上,爬取湖北碳交易市场2014~2024年的碳交易日度收盘价格展开实证研究。结果表明,本文建立的模型相较于其他15种基准模型,呈现出最佳的方向预测精度,体现了模型具备优越的预测性能与较好的实用性。 展开更多
关键词 价格预测 机器学习 经验模态分解 BiLSTM 数据增强 碳市场机制 方向预测精度 时间序列分析
在线阅读 下载PDF
白条猪价格预测模型构建 被引量:5
8
作者 刘合兵 华梦迪 +1 位作者 席磊 尚俊平 《河南农业大学学报》 CAS CSCD 北大核心 2024年第1期123-131,共9页
【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应... 【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。 展开更多
关键词 价格预测 自适应白噪声完全集合模态分解 主成分分析 神经网络 组合模型
在线阅读 下载PDF
基于分解集成方法的小宗农产品价格预测研究 被引量:1
9
作者 刘合兵 华梦迪 +2 位作者 孔玉杰 席磊 尚俊平 《运筹与管理》 CSSCI CSCD 北大核心 2024年第6期125-131,共7页
针对小宗农产品价格序列波动特征中呈现出的非平稳、非线性等问题,提出了一种基于“分解与集成”的WOA-VMD-LSTM组合预测模型。首先利用样本熵作为鲸鱼优化算法(WOA)的适应度函数,对变分模态分解方法(VMD)的两个自由参数进行全局寻优;... 针对小宗农产品价格序列波动特征中呈现出的非平稳、非线性等问题,提出了一种基于“分解与集成”的WOA-VMD-LSTM组合预测模型。首先利用样本熵作为鲸鱼优化算法(WOA)的适应度函数,对变分模态分解方法(VMD)的两个自由参数进行全局寻优;再使用优化后的变分模态分解方法对价格序列进行分解;最后将得到的多模态分量及残差作为输入特征集成到长短期记忆网络(LSTM)中,构建组合模型。将该方法应用于马铃薯、莲藕、白萝卜、大白菜、西兰花、卷心菜的日均价格数据进行预测,实验结果表明,WOA-VMD-LSTM组合模型的均方根误差分别为0.292,0.381,0.129,0.125,0.782和0.142,且与EMD-LSTM组合模型以及ARIMA模型进行对比,WOA-VMD-LSTM组合模型在多种农产品价格的预测上具有更明显的优势。本研究提出的组合预测模型有助于相关产业对市场进行合理配置。 展开更多
关键词 变分模态分解 样本熵 鲸鱼优化算法 价格预测
在线阅读 下载PDF
基于分解集成及不确定理论的碳价格预测 被引量:1
10
作者 李碧珍 徐超强 《安徽大学学报(自然科学版)》 CAS 北大核心 2024年第3期1-10,共10页
准确的碳市场价格预测是碳排放交易市场相关政策制定和碳金融发展的基础.为消除碳市场价格原始序列存在的非线性、非平稳性、高噪声性和不确定性,准确预测碳市场价格,论文将不确定理论、集合经验模态分解(ensemble empirical mode decom... 准确的碳市场价格预测是碳排放交易市场相关政策制定和碳金融发展的基础.为消除碳市场价格原始序列存在的非线性、非平稳性、高噪声性和不确定性,准确预测碳市场价格,论文将不确定理论、集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)和径向基神经网络(radial basis function,简称RBF)相结合,构建了碳市场价格预测模型,并将其应用于广东省碳市场价格预测.首先通过EEMD算法和fine-to-coarse方法对原始的碳市场价格数据进行分解和重构,得到具有不同变化规律的高频项和低频项,并将其代入RBF神经网络进行训练,然后采用不确定理论,对低频项的输出权重进行不确定性分析,对残差趋势项采用线性回归进行拟合,最后将3个子项的预测结果进行集成求和得到最终的碳市场价格预测值.实证结果表明无论是在均方根误差(root mean square error,简称RMSE)、平均绝对误差(mean absolute error,简称MAE)还是在平均绝对百分比误差(mean absolute percentage error,简称MAPE)指标方面,论文模型在碳市场价格预测方面都比其他预测模型更具优势,预测结果更准确. 展开更多
关键词 EEMD 不确定理论 相空间重构 RBF神经网络 价格预测
在线阅读 下载PDF
基于LSTM的红枣期货价格预测方法 被引量:3
11
作者 陈立平 邢小丹 +1 位作者 张玉亭 何军 《农业与技术》 2024年第1期162-165,共4页
红枣干果期货在郑州商品交易所的上市交易,为新疆南疆红枣产业发展提供了新机遇;开展红枣期货价格预测研究,可为新疆红枣产业健康可持续发展提供技术支撑。利用红枣期货历年交易价格数据,研究了基于长短期记忆网络(LSTM)的价格预测模型... 红枣干果期货在郑州商品交易所的上市交易,为新疆南疆红枣产业发展提供了新机遇;开展红枣期货价格预测研究,可为新疆红枣产业健康可持续发展提供技术支撑。利用红枣期货历年交易价格数据,研究了基于长短期记忆网络(LSTM)的价格预测模型。为获得更佳的价格预测性能,模型开展了不同时间窗口参数的对比实验。实验结果表明,窗口期为20的LSTM模型价格模型其预测效果最好;价格预测模型被应用于当年的红枣期货价格预测,亦对价格变化能够起到较好的指示作用。 展开更多
关键词 红枣期货 LSTM 价格预测 人工神经网络
在线阅读 下载PDF
基于融合影响因素PSO-Prophet模型的农产品价格预测
12
作者 刘合兵 王一飞 +2 位作者 王垒 席磊 尚俊平 《湖北农业科学》 2024年第1期185-189,共5页
为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响... 为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响因素的PSO-Prophet模型大蒜价格预测结果的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)比Prophet模型分别降低了82.88%、82.86%和77.49%。融合影响因素的PSO-Prophet模型可以有效提高预测精度。 展开更多
关键词 价格预测 融合影响因素 Prophet模型 PSO-Prophet模型 农产品
在线阅读 下载PDF
融合三支聚类与分解集成学习的股票价格预测模型 被引量:2
13
作者 白军成 孙秉珍 +2 位作者 郭誉齐 陈有为 郭建峰 《运筹与管理》 CSSCI CSCD 北大核心 2024年第8期213-218,共6页
准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测... 准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测的准确性,将是值得深入探讨的科学问题。为了获得准确的预测,帮助投资者赢得最大利润,本文引入分解集成思想和三支决策理论,提出了一种基于三支聚类和分解集成的复合预测方法。首先,使用互补集成经验模态分解方法将原始时间序列分解成若干个相对平稳的子序列,实现降低原始时间序列复杂性的同时挖掘了隐藏的信息。其次,为了针对性地处理不同属性的子序列,构建了基于贝叶斯风险决策的概率粗糙集进行三支聚类。接着,为了避免输入信息的欠缺或者冗余信息的干扰,采用基于相空间重构的特征选择方法确定不同神经网络的输入结构。最后,将提出的方法应用于美股ANY价格预测和国际、国内的重要股票指数以及其成分股预测验证其有效性和实用性。同时为把粒计算思想方法与分解集成融合,构建复杂动态数据预测决策模型与方法进行了有益的尝试和探讨。此外,研究结果将为投资者的实际投资决策提供科学的支持与参考。 展开更多
关键词 三支聚类 互补集成经验模态分解 股票价格预测
在线阅读 下载PDF
可解释性分层神经模糊网络的股票价格预测算法 被引量:1
14
作者 廖宏昊 胡峰 邓维斌 《计算机工程与设计》 北大核心 2024年第12期3615-3621,共7页
针对现有的股票价格预测模型难以兼顾精度与可解释性的问题,提出一种基于分层神经模糊网络的股票价格预测模型。提出一种结合注意力机制的自适应神经模糊网络单元(ANFIS-A),以此单元构建分层自适应神经模糊网络;结合二进制灰狼优化算法(... 针对现有的股票价格预测模型难以兼顾精度与可解释性的问题,提出一种基于分层神经模糊网络的股票价格预测模型。提出一种结合注意力机制的自适应神经模糊网络单元(ANFIS-A),以此单元构建分层自适应神经模糊网络;结合二进制灰狼优化算法(BGWO),提出一种特征子集选择算法;提出一种规则消除的递归算法,进一步减少规则数量,提高规则的可解释性。实验结果表明,该模型在预测股票价格方面具有较高的准确性和可解释性。 展开更多
关键词 灰狼优化算法 层次自适应模糊神经网络 注意力机制 股票价格预测 可解释性 金融时间序列 规则消除
在线阅读 下载PDF
基于参数优化VMD与XGBoost算法的玉米蛋白粉价格预测 被引量:2
15
作者 吴展 王春晓 《饲料研究》 CAS 北大核心 2024年第13期178-183,共6页
玉米蛋白粉价格稳定对饲料工业可持续发展和国家粮食安全具有重要意义,但其价格序列具有非平稳、非线性特征,难以精确预测。试验旨在基于XGBoost算法,构建玉米蛋白粉价格预测模型。首先,利用鲸鱼算法(WOA)优化变模分解(VMD)的K值和惩罚... 玉米蛋白粉价格稳定对饲料工业可持续发展和国家粮食安全具有重要意义,但其价格序列具有非平稳、非线性特征,难以精确预测。试验旨在基于XGBoost算法,构建玉米蛋白粉价格预测模型。首先,利用鲸鱼算法(WOA)优化变模分解(VMD)的K值和惩罚参数,对原始价格序列进行自适应分解,降低数据噪声。其次,将Pearson特征筛选后的变量作为极限梯度提升树(XGBoost)模型的输入,进行训练和测试。最后,使用10折交叉验证和学习曲线检验模型性能,并结合SHAP模型分析关键影响因素的非线性效应。结果显示,上一期豆粕期货价格对本期玉米蛋白粉价格波动具有显著的正向影响。研究表明,贝叶斯算法(BO)优化的XGBoost模型具有较好的预测性能,优于基准模型。 展开更多
关键词 XGBoost算法 价格预测 玉米蛋白粉 变分模态分解 SHAP模型 贝叶斯优化
在线阅读 下载PDF
基于CNN-LSTM混合模型的航空公司机票价格预测 被引量:2
16
作者 王夷龙 张生润 +1 位作者 唐小卫 张崇横 《北京交通大学学报》 CSCD 北大核心 2024年第5期21-29,共9页
针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司... 针对航空公司在竞争激烈的航线市场中对未来机票价格走势预测的需求,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的混合模型CNN-LSTM.在数据构建与输入部分,以航空公司间的竞争关系为核心,设计用于表征机票价格的通道数据结构;综合考虑影响机票价格波动的多种因素,分别构建表示航空公司属性、航班属性和日期属性的独立通道数据结构,并将这些通道数据进行整合,组成适用于卷积神经网络的多通道数据输入.在模型部分,利用一维卷积神经网络(one-dimensional Convolu⁃tional Neural Network,1D-CNN)对输入的多通道数据进行特征提取;通过长短期记忆网络捕捉数据中的时间依赖关系,实现对航线内不同航班未来机票价格的预测.将提出的CNN-LSTM混合模型与多种基线模型进行对比,并通过消融实验验证所选影响因素的有效性.实验结果表明:CNNLSTM混合模型在预测性能上具有显著优势,与随机森林、支持向量机、单一卷积神经网络、单一长短期记忆网络以及向量自回归模型相比,预测平均绝对误差降低了18.74%~57.02%,平均绝对百分比误差降低了9.31%~22.16%;消融实验结果证实了影响因素的引入可以提升模型的性能.研究成果不仅能够为航空公司在票价制定与调整方面提供决策支持,也为机票价格预测领域的研究提供了新的思路和方法. 展开更多
关键词 深度学习 机票价格预测 时间序列 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于GGInformer模型的金融数据特征提取及价格预测 被引量:1
17
作者 任晟岐 宋伟 《郑州大学学报(理学版)》 CAS 北大核心 2024年第5期62-70,共9页
为了解决金融时序预测任务中出现的特征参数冗余问题,用遗传算法对金融数据进行特征提取,通过三组对比实验进行验证分析。实验结果显示,加入了遗传算法的预测模型比未加入遗传算法的模型在三种数据集上的MSE均有所降低。最终结果证明遗... 为了解决金融时序预测任务中出现的特征参数冗余问题,用遗传算法对金融数据进行特征提取,通过三组对比实验进行验证分析。实验结果显示,加入了遗传算法的预测模型比未加入遗传算法的模型在三种数据集上的MSE均有所降低。最终结果证明遗传算法可以有效解决金融产品价格预测过程中的特征冗余问题。为了解决非线性的长序列金融数据预测效果差的问题,通过结合GRU网络和Informer模型构建了GGInformer模型来对金融产品价格进行预测。模型在三种外汇产品数据集上与其他四种预测基准方法进行了对比实验,实验结果与可视化分析表明,所提模型在金融产品交易价格的预测结果上有明显优势,可以提高预测的精度。 展开更多
关键词 遗传算法 特征提取 金融产品价格预测 Informer模型 GRU网络
在线阅读 下载PDF
基于VMD-CSSA-LSTM组合模型的股票价格预测 被引量:1
18
作者 黄后菊 李波 《南京信息工程大学学报》 CAS 北大核心 2024年第3期332-340,共9页
针对股票价格非平稳、非线性和高复杂等特性引发的预测难度大的问题,建立一种基于变分模态分解(Variational Mode Decomposition,VMD)-Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm,CSSA)-长短期记忆(Long Short-Term... 针对股票价格非平稳、非线性和高复杂等特性引发的预测难度大的问题,建立一种基于变分模态分解(Variational Mode Decomposition,VMD)-Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm,CSSA)-长短期记忆(Long Short-Term Memory,LSTM)神经网络的组合模型——VMD-CSSA-LSTM.首先,利用VMD将原始股票收盘价数据分解为若干本征模态函数(Intrinsic Mode Function,IMF)分量.然后,采用Circle混沌映射的SSA算法对LSTM神经网络的隐含层神经元、迭代次数、学习率进行优化,将最优参数拟合至LSTM网络中.最后,对每个IMF分量建模预测,将各分量预测结果叠加得到最终结果.实验结果表明,与其他模型相比,本文模型在多支股票数据集上的均方根误差(RMSE)、平均绝对误差(MAE)及平均绝对百分比误差(MAPE)均达到最小,预测股票收盘价格误差在0附近波动,稳定性更优、拟合更佳、精确度更高. 展开更多
关键词 股票价格预测 变分模态分解 麻雀搜索算法 Circle混沌映射 长短期记忆网络
在线阅读 下载PDF
基于奇异谱分解和LSTM-ARIMA组合模型的生猪价格预测 被引量:5
19
作者 付莲莲 方青 +1 位作者 袁冬宇 滕佳敏 《中国农机化学报》 北大核心 2024年第5期176-181,252,共7页
针对生猪价格波动过于剧烈难以预测的问题,提出基于奇异谱分解的LSTM-ARIMA组合模型对生猪价格进行预测。以2000年1月-2021年12月的月度价格数据作为样本,利用奇异谱分析对生猪价格数据进行分解,得到趋势项和波动项,选用累计贡献率达前... 针对生猪价格波动过于剧烈难以预测的问题,提出基于奇异谱分解的LSTM-ARIMA组合模型对生猪价格进行预测。以2000年1月-2021年12月的月度价格数据作为样本,利用奇异谱分析对生猪价格数据进行分解,得到趋势项和波动项,选用累计贡献率达前70%的构建趋势项,剩下的30%构造波动项。趋势项非平稳且具有长记忆性,对其建立LSTM模型;波动项平稳,对其建立ARIMA模型,最后将两部分预测结果重组作为生猪价格的预测值,构建LSTM-ARIMA组合预测模型。将预测值和生猪真实价格进行对比,结果表明:预测值与真实值之间的均方根误差RMSE为2.75,平均绝对百分比误差MAPE为10.81%,平均绝对误差MAE为2.27,方向对称性DS为81.81;此组合模型能很好地预测生猪价格走势,对我国生猪价格预测具有更高地适用性与参考。 展开更多
关键词 生猪价格预测 奇异谱分析 组合模型 LSTM ARIMA
在线阅读 下载PDF
基于BPNN及优化方法的期货价格预测效果的比较 被引量:3
20
作者 张登耀 《统计与决策》 CSSCI 北大核心 2024年第23期161-166,共6页
文章构建了期货价格预测算法并对期货价格进行预测,同时,运用三种评价指标对算法的预测效果进行对比分析。通过对比各评价指标值的算法预测结果,可以发现:无论是PSO-BPNN算法,还是GA-BPNN算法,预测效果都明显优于优化前的BPNN算法的预... 文章构建了期货价格预测算法并对期货价格进行预测,同时,运用三种评价指标对算法的预测效果进行对比分析。通过对比各评价指标值的算法预测结果,可以发现:无论是PSO-BPNN算法,还是GA-BPNN算法,预测效果都明显优于优化前的BPNN算法的预测效果。然而,PSO-BPNN算法与GA-BPNN算法之间的预测效果差异却不明显。从三种评价指标值可以看出,GA-BPNN算法的MSE值略低于PSO-BPNN算法的MSE值,而在MAD和MAPE方面,PSO-BPNN算法的预测效果又略优于GA-BPNN算法。为了确定最优的期货价格预测算法,分别将沪深300指数现货全样本数据和新冠疫情期间沪深300指数期货及现货样本数据作为替代变量,进行了稳健性检验分析。分析结果显示:无论是PSO-BPNN算法还是GA-BPNN算法,其预测效果均明显优于优化前的BPNN算法的预测效果。同时,在构建的三种算法中,GA-BPNN算法的预测效果是最优的。 展开更多
关键词 期货价格预测 BPNN PSO-BPNN GA-BPNN 算法评价
在线阅读 下载PDF
上一页 1 2 18 下一页 到第
使用帮助 返回顶部