基于RVFL網(wǎng)絡集成模型的國際原油價格預測研究.pdf

1、石油，作為一種主要的能源，對世界政治、經(jīng)濟、外交、軍事格局有著深遠影響。準確快速的原油價格預測有助于優(yōu)化相應的生產(chǎn)、銷售和投資等計劃，避免潛在風險，提高石油相關部門的利潤。原油價格的驅(qū)動因素不僅包括市場供需平衡狀況，而且包括各種外部因素，如與其他資源的替代性、天氣、庫存水平、經(jīng)濟增長、政治變化、心理預期和極端事件。由于這些因素相互作用，原油價格預測成了一項艱巨的任務。在此背景下，本文重點從準確性和計算時間效率的角度出發(fā)，構建原油價格快速

2、預測模型，對現(xiàn)有的油價預測模型進行改進和創(chuàng)新。具體研究內(nèi)容如下:
　　首先，通過混合集成經(jīng)驗模態(tài)分解EEMD(Ensemble Empirical Mode Decomposition)和RVFL網(wǎng)絡(Random Vector Functional Link network)構建了一個新的分解集成油價預測模型。通過與其他油價預測模型和現(xiàn)有分解集成模型對比，發(fā)現(xiàn)RVFL網(wǎng)絡的引入從預測精度和計算時間效率上提高了分解集成模型的性能。

3、
　　然后，將RVFL網(wǎng)絡、極限學習機ELM(Extreme Learning Machine)和RKS(Random Kitchen Sinks)三種隨機算法引入分解集成框架下，構建了一個基于隨機算法的分解集成模型，并將其應用于能源價格預測中。實驗結果表明隨機算法的引入可以有效提高現(xiàn)有分解集成模型的預測精度，并在很大程度上節(jié)約模型計算時間。
　　最后，研究RVFL網(wǎng)絡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)點多樣性、激活函數(shù)多樣性、集成個數(shù)多樣性與集成方法多樣性。通過實驗測試最優(yōu)的集成策略，同時利用最優(yōu)集成策略構建一個多級RVFL集成模型對原油價格進行預測，該集成模型優(yōu)于單個RVFL網(wǎng)絡。
　　本文提出的基于RVFL網(wǎng)絡的分解集成模型、基于隨機算法的分解集成模型以及基于最優(yōu)集成策略的多級RVFL網(wǎng)絡集成模型，都在一定程度上提升了國際油價預測模型的準確度，同時降低了模型耗時。對基于傳統(tǒng)算法的分解集成模型來說，RVFL網(wǎng)絡和