基于EMD-XGBoost-AR模型的網(wǎng)絡(luò)輿情預(yù)測研究.pdf

1、網(wǎng)絡(luò)輿情是網(wǎng)民對網(wǎng)絡(luò)事件發(fā)表的個人觀點、意見等行為傾向，當網(wǎng)絡(luò)輿情發(fā)展到一定程度，將聚集或轉(zhuǎn)化為網(wǎng)絡(luò)輿論。習(xí)近平總書記在2016年的4.19講話中指出“互聯(lián)網(wǎng)已經(jīng)成為輿論斗爭的主戰(zhàn)場”，網(wǎng)絡(luò)輿論對于網(wǎng)絡(luò)生態(tài)的正常發(fā)展起著重要性作用。若負面的網(wǎng)絡(luò)輿論充斥著網(wǎng)絡(luò)環(huán)境，這將影響我國的社會安定和意識形態(tài)安全。因此，及時了解網(wǎng)絡(luò)輿情趨勢，預(yù)測未來的發(fā)展態(tài)勢，將有助于消解負面的輿論，維護網(wǎng)絡(luò)生態(tài)的健康發(fā)展。由此，網(wǎng)絡(luò)輿情的預(yù)測研究具有理論價值和社會

2、現(xiàn)實意義。
　　目前，多領(lǐng)域的預(yù)測研究主要采用組合預(yù)測模型用于時間序列的預(yù)測，既克服單一預(yù)測算法的缺點，更能發(fā)揮單一預(yù)測算法的優(yōu)勢，提高預(yù)測模型的準確性。本文基于多領(lǐng)域的預(yù)測模型提出了合適的網(wǎng)絡(luò)輿情預(yù)測模型，用于提高預(yù)測模型的準確性，為網(wǎng)絡(luò)輿情的管控提供理論支持。工作內(nèi)容主要包括三個方面：
　?。?）梳理網(wǎng)絡(luò)輿情和網(wǎng)絡(luò)輿情預(yù)測研究的文獻內(nèi)容，找出現(xiàn)有輿情預(yù)測的不足之處。據(jù)此引入或提出合適的網(wǎng)絡(luò)輿情預(yù)測模型，以網(wǎng)民熱議的“韓國

3、部署薩德”事件和2017年“全國兩會”事件作為輿情熱點事件，使用微信指數(shù)、微博微指數(shù)和百度指數(shù)作為網(wǎng)絡(luò)輿情發(fā)展趨勢的量化值，進行輿情預(yù)測實驗。模型預(yù)測結(jié)果以均方根誤差、平均絕對百分誤差和希爾不等系數(shù)作為評價標準，比較三個組合預(yù)測模型的實驗結(jié)果，選取最佳的預(yù)測模型作為網(wǎng)絡(luò)輿情預(yù)測研究的解決方案，提供新的輿情預(yù)測方法。
　　（2）引入小波神經(jīng)網(wǎng)絡(luò)模型（WNN模型）和基于經(jīng)驗?zāi)B(tài)分解的BP神經(jīng)網(wǎng)絡(luò)模型（EMD-BPNN模型）用于輿情預(yù)測

4、，并對這兩個模型進行改進優(yōu)化。對于WNN模型，采用附加動量法對其進行優(yōu)化改進，考慮模型誤差在梯度上的作用，同時還考慮誤差曲面上變化趨勢對模型的影響，從而避免WNN模型陷入局部最優(yōu)值。對EMD-BPNN模型，采用Levenberg-Marquardt算法對其改進優(yōu)化，處理模型的冗余參數(shù)問題，避免預(yù)測模型陷入局部極小值，從而加快收斂速度。
　　（3）采用經(jīng)驗?zāi)B(tài)分解的算法思想，提出融合極限梯度算法（XGBoost）擬合模型的殘差，在此