基于RVFL網(wǎng)絡(luò)集成模型的國(guó)際原油價(jià)格預(yù)測(cè)研究.pdf

1、石油，作為一種主要的能源，對(duì)世界政治、經(jīng)濟(jì)、外交、軍事格局有著深遠(yuǎn)影響。準(zhǔn)確快速的原油價(jià)格預(yù)測(cè)有助于優(yōu)化相應(yīng)的生產(chǎn)、銷(xiāo)售和投資等計(jì)劃，避免潛在風(fēng)險(xiǎn)，提高石油相關(guān)部門(mén)的利潤(rùn)。原油價(jià)格的驅(qū)動(dòng)因素不僅包括市場(chǎng)供需平衡狀況，而且包括各種外部因素，如與其他資源的替代性、天氣、庫(kù)存水平、經(jīng)濟(jì)增長(zhǎng)、政治變化、心理預(yù)期和極端事件。由于這些因素相互作用，原油價(jià)格預(yù)測(cè)成了一項(xiàng)艱巨的任務(wù)。在此背景下，本文重點(diǎn)從準(zhǔn)確性和計(jì)算時(shí)間效率的角度出發(fā)，構(gòu)建原油價(jià)格快速

2、預(yù)測(cè)模型，對(duì)現(xiàn)有的油價(jià)預(yù)測(cè)模型進(jìn)行改進(jìn)和創(chuàng)新。具體研究?jī)?nèi)容如下:
　　首先，通過(guò)混合集成經(jīng)驗(yàn)?zāi)B(tài)分解EEMD(Ensemble Empirical Mode Decomposition)和RVFL網(wǎng)絡(luò)(Random Vector Functional Link network)構(gòu)建了一個(gè)新的分解集成油價(jià)預(yù)測(cè)模型。通過(guò)與其他油價(jià)預(yù)測(cè)模型和現(xiàn)有分解集成模型對(duì)比，發(fā)現(xiàn)RVFL網(wǎng)絡(luò)的引入從預(yù)測(cè)精度和計(jì)算時(shí)間效率上提高了分解集成模型的性能。

3、
　　然后，將RVFL網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)ELM(Extreme Learning Machine)和RKS(Random Kitchen Sinks)三種隨機(jī)算法引入分解集成框架下，構(gòu)建了一個(gè)基于隨機(jī)算法的分解集成模型，并將其應(yīng)用于能源價(jià)格預(yù)測(cè)中。實(shí)驗(yàn)結(jié)果表明隨機(jī)算法的引入可以有效提高現(xiàn)有分解集成模型的預(yù)測(cè)精度，并在很大程度上節(jié)約模型計(jì)算時(shí)間。
　　最后，研究RVFL網(wǎng)絡(luò)集成模型的集成策略多樣性，包括樣本數(shù)據(jù)多樣性、采樣間隔多

4、樣性、隱層節(jié)點(diǎn)多樣性、激活函數(shù)多樣性、集成個(gè)數(shù)多樣性與集成方法多樣性。通過(guò)實(shí)驗(yàn)測(cè)試最優(yōu)的集成策略，同時(shí)利用最優(yōu)集成策略構(gòu)建一個(gè)多級(jí)RVFL集成模型對(duì)原油價(jià)格進(jìn)行預(yù)測(cè)，該集成模型優(yōu)于單個(gè)RVFL網(wǎng)絡(luò)。
　　本文提出的基于RVFL網(wǎng)絡(luò)的分解集成模型、基于隨機(jī)算法的分解集成模型以及基于最優(yōu)集成策略的多級(jí)RVFL網(wǎng)絡(luò)集成模型，都在一定程度上提升了國(guó)際油價(jià)預(yù)測(cè)模型的準(zhǔn)確度，同時(shí)降低了模型耗時(shí)。對(duì)基于傳統(tǒng)算法的分解集成模型來(lái)說(shuō)，RVFL網(wǎng)絡(luò)和