基于PCA-GARCH-LSTM模型的股价预测研究

股市波动日益成为社会的焦点话题,如何高效且准确地预测股票价格成为当前热门研究课题。为减少计算量并提高工作效率,在预测前对股票数据采用降维技术,同时考虑股票波动情况,结合主成分分析(PCA)、广义自回归条件异方差(GARCH)和长短期记忆网络(LSTM)3种模型,构建组合模型进行股价预测。为检验模型预测效果,以上证指数和中证500指数为例,对收盘价进行预测。对比实验结果表明,该PCA-GARCH-LSTM组合模型的RMSE、MAE、MAPE值均小于其他对照模型,证明了该模型预测的有效性。

基于多模态信息融合的猪肉价格指数预测研究

本文基于2012年1月至2024年2月猪肉价格指数月度同比数据,提出了一种运用多模态数据开展预测的LSTM模型。本文采用三次样条插值方法将原本146个月度数据扩充为581个周度数据,同时,从各大新闻网站爬取与猪肉价格相关的新闻数据共10634条并进行文本预处理。利用Transformer结构在新闻文本中提取的特征向量与市场价格信息相融合,引入LSTM对猪肉价格指数进行预测。通过与其他传统模型的预测效果对比发现,SARIMA和SVR模型对于拐点的预测存在滞后性,而LSTM模型则能够准确捕捉到真实值的拐点变化,对走势预测较为准确。相比较而言,加入新闻文本信息和市场数据的多模态组合LSTM模型的各项指标均优于对比模型,对于指数拐点的预测较为及时,且预测误差较小,取得了更好的预测效果。

Research on the Challenges of Cold-chain Logistics and the Combination Ways with Logistics O2O Operation

In this paper, we conduct research on challenges of cold-chain logistics and combination ways with logistics O2O operation. Because of the cold chain logistics to the high requirement of the equipment, technology as caused the high cost of cold chain logistics. In the overall cost of China’s logistics is on the high side, under the condition of low profi t, many enterprises to enter and don’t have much interest in the field of cold chain logistics. So-called cold chain logistics is frozen food in the production, storage, transportation, sales, remain the regulations to the consumption of each link in the cold chain environment, to ensure the food quality, reduce loss of food and system engineering. Under this basis, we propose the O2O based logistics pattern that will solve the issues well.

Electricity Pricing for Natural Gas CHP Projects The Higher, the Better?

Regarding the state's policy that gives a higher on-grid electricity price to natural gas CHP (combined heat and power) projects, this paper studies the effect of it on the operation of those projects by theoretical analysis and a case study. It concludes that on-grid electricity price on the high side, compared to heat price, will lead power plants to produce more electricity but less heat, thus causing decrease of the plants' thermal eff iciency and harm to energy saving of the whole society.

白条猪价格预测模型构建

【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。

基于CEEMDAN-GRU组合模型的碳排放交易价格预测研究

准确的碳价格预测有助于监管部门观测碳交易市场运行状况及投资者进行科学决策,对实现碳达峰和碳中和具有重要作用。但碳价序列具有非线性、非平稳性和高噪声的特性,很难对其进行准确预测。将完全自适应噪声集合经验模态分解(CEEMDAN)方法与门控循环单元(GRU)相结合,构建一个碳排放交易价格预测模型。该模型基于分解、集成思想,利用CEEMDAN将原始碳价序列分解,获得不同频率的本征模函数(IMF)和残差序列,使用GRU神经网络分别为各子序列建立预测模型,最后集成预测结果得到碳价预测值。以湖北省碳交易市场的日度成交价为例进行实证分析,结果表明:相较于其他5种基准模型,CEEMDAN-GRU模型具有更小的预测误差和更高的拟合优度,在碳价格预测上具有一定的优势。

基于出行选择的旅客联程运输服务定价

在多模式运输竞争条件下,将旅客联程运输看作一个由多个任意运输方式联合提供服务的独立运营商参与市场竞争,并通过设立旅客满意度参数量化联程运输特有属性对旅客出行选择的影响,构建同时考虑旅客出行选择和运营商收益的“一票制”联运双层定价模型。针对下层模型中旅客出行选择参数标定需要大量数据,而联程运输处于初步发展阶段,存在缺乏相关数据的现实矛盾,通过运用层次分析法对相关因素的重要性程度进行标定。针对双层模型求解NP难问题,采用灵敏度分析法对模型求解过程进行简化。并以空铁联运为例对算法的有效性进行验证,结果表明:该定价模型可提升通道内总客流量,促进旅客出行,比补贴式定价有更强的可操作性和可持续性。

2025、2030、2035年国际FPSO市场需求组合预测——基于多算法融合分析

调研分析国际浮式生产储油卸油装置(Floating Production Storage and Offloading,FPSO)的市场需求现状,提出国际FPSO市场需求的预测方法。采用熵值法、人工神经网络法、随机森林回归、ADABOOST回归、ARMA模型等多算法融合的方法,对国际FPSO订单进行组合预测,结果表明国际FPSO市场需求在2025年、2030年、2035年的需求量分别为9、10与12艘,可见国际FPSO市场需求在未来十多年间稳步回升。我国船企应密切关注原油价格变化对FPSO市场需求的影响,积极采用新产品技术,同时减少碳排放,提高市场份额。

考虑多能耦合共享储能的微网多智能体混合博弈协调优化

冷热电耦合的共享储能可以更显著地提高微网多种能源的利用效率与消纳水平。然而,多能耦合的共享储能进一步增加了多微网之间协调运行的难度,故而提出了一种考虑多能耦合共享储能的微网多智能体混合博弈协调优化模型。首先,围绕多能耦合共享储能进行建模,从冷、热、电3个维度构建元件的运行模型。其次,提出了一种计及多能耦合共享储能协作的微网混合博弈双层协调调度模型。上层部分为基于主从博弈的微网运营商日内电价优化模型,以微网运营商的日内收益最大化为目标,综合考虑电价上下限约束和购售电价平均值约束,为下层协作运行提供响应电价;下层部分为基于合作博弈的微网间协作运行策略模型,以产消者和共享储能电站的合作成本为目标,综合考虑机组出力上下限约束和功率平衡约束,为上层反馈合作成本用于指导电价优化调整。然后,在混合博弈模型求解时,以电价变动率为收敛判据,同时采用二分法处理电价约束以加速模型求解。最后,采用多智能体协调优化的微网系统验证了所提方法的有效性。

基于奇异谱分解和LSTM-ARIMA组合模型的生猪价格预测

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。

源荷置信度水平下光伏光热耦合热电联产系统的调度优化

为提升近用户侧太阳能安装容量,促进太阳能光伏与光热的消纳,提出一种光伏光热耦合的热电联产系统,构建基于能源销售商—用户—系统的主从博弈理论,优化不同置信度水平下用户侧和系统侧的热电平衡关系。案例分析结果显示,使用主从博弈策略达到博弈均衡后,在置信度为0.9的工况下,需求响应后用户侧在高电价时段的用电需求平均减少763 kWh,而在低电价时段用电需求平均增加564 kWh。其中,燃气轮机在09:00时输出最大电能为2.2 MWh,光伏组件在14:00时输出最大电能为2.4 MWh,用户侧的用热需求实现31.6%的削减。通过引导系统侧的设备出力及用户侧的用能需求,系统侧产能更合理,用户侧用能更经济,各参与方均能实现自身利润的最大化。

考虑电价不确定性的发电企业电能量-辅助服务市场报价策略

为适应国内电力市场发展,灵活应对电价不确定性,文中以国内电力市场建设现状为基础,重点围绕发电企业在日前市场下的交易展开研究。综合考虑由于日前出清电价存在不确定性而造成的影响以及碳排放权交易成本,构建了在参与日前电能量市场与辅助服务市场时发电企业的联合报价模型。日前电价的不确定性通过获取典型电价场景并基于Kantorovich距离的向前选择方法进行场景削减。基于条件风险价值(conditional value at risk,CVaR)将发电企业选择竞价策略时的风险偏好进行量化并建立模型,再对所提模型进行计算求解得到相应的报价策略。算例分析结果表明,所提模型可以为发电企业提供有效的报价策略,灵活应对电价波动。相较于不参加二次调频辅助服务市场时发电企业收益得到提升,且企业可根据自己的风险偏好更改模型中的风险因子,以得到理想报价策略。

基于二次分解和ATT-CNN-LSTM-MLR组合模型的短期电价预测方法

针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点处的特征,采用自适应噪声完备集合经验模态分解和变分模态分解将原始电价序列分解为一系列模态分量;其次,针对分解后的低频与高频子序列,分别建立MLR浅学习模型和ATT-CNN-LSTM组合模型实现多频预测,重构各子模型输出得到最终预测结果;最后,采用具有强波动性特征的欧洲电力交易所数据进行算例分析,验证了模型的有效性。

基于集对分析和博弈论组合赋权的滇中引水工程资源水价定价

以滇中引水工程基础数据为依据,根据选取独立性、可量化性和可获取性的原则确定水源地水质(X_(1))、人均水资源占有量(X_(2))、人均GDP(X_(3))、生活污水处理率(X_(4))和人口密度(X_(5))5个评价指标。通过集对分析联系数模型测算资源水价并确定该资源水价指标的评价矩阵,采用博弈论方法将D-AHP法及熵权法所得权重进行组合赋权,结合水费承受指数和居民承受能力确定资源水价向量,计算资源水价。结果表明,通过5个评价指标与评价等级间的联系度矩阵计算得出滇中引水工程居民生活用水资源水价为1.75元/m^(3),水源地水质、人口密度越大,资源水价越低;人均水资源占有量、人均GDP、生活污水处理率越大,资源水价越高。测算结果可为滇中引水工程居民生活用水资源水价的确定提供参考。

基于证据理论的多模型组合电价预测

传统的组合预测方法主要依靠历史预测误差确定组合权值,预测结果受历史预测误差影响较大,没有考虑预测时点的外界影响因素。利用支持向量机,神经网络和时间序列等多种不同的预测方法,从不同侧面对电价进行预测。利用神经网络等模型对预测的历史误差和预测时点的外界影响因素进行分析建模,建立每个模型的可信度评价模型。采用DS(Dempster-Shafe)证据理论对每个模型的可信度进行分析评价和合成,确立最终的模型组合预测权值。通过该权值对相应的预测结果进行加权求和得到最终的预测结果。以加州电力市场为例,证明了该方法的有效性。

考虑双边价格联动的峰谷分时电价机理研究

论文分析了"厂网分开,竞价上网"电力市场中,需求侧峰谷分时电价体系的特点和存在的不足,在已有研究成果的基础上,建立了基于双边价格联动的峰谷分时电价数学模型,并以江苏省某市供电公司负荷控制中心实测日的负荷数据进行仿真分析,得到了削峰填谷最优时的峰谷分时电价。仿真结果进一步验证了所建模型在保持了优化的负荷平滑效果的基础上,有效地克服了单纯基于需求侧管理的模型在各方利益分享和风险分担问题上存在的明显不足。

组合预测模型在猪肉价格预测中的应用研究

本文在分析了神经网络、灰系统和时间序列预测模型的基础上,设计了将其中两种模型组合的预测方法。该方法的主要思想是利用回归预测思想将预测分为因素预测和结果预测两部分,并分别采用不同预测模型进行预测,从而达到提高预测精度的目的。利用该方法对吉林省近期的生猪价格进行预测,实验结果表明,该方法比单个预测方法有更好的预测效果,并且通过对不同组合的实验结果的分析发现,灰系统与神经网络相结合的方法具有更高的预测精度。

ARIMA和RBF神经网络相融合的股票价格预测研究

针对股票价格的突变性、非线性和随机性,单一预测方法仅能描述股票价格片断信息等缺陷,提出一种股票价格组合预测模型。采用自回归移动平均模型(ARIMA)对股票价格进行预测,捕捉股票价格线性变化趋势。采用RBF神经网络对非线性、随机变化规律进行预测。将两者结果组合得到股票价格预测结果。采用组合模型对包钢股份(600010)股票收盘价进行仿真实验,结果表明,相对于单一预测模型,组合预测模型更加全面、准确刻画了股票价格的变化规律,提高了股票价格预测精度。

微燃机冷热电联产系统的经济优化

微型燃气轮机(简称微燃机)冷热电联产系统(combined cooling,heating and power,CCHP)具有极高的能源利用效率,其经济效益明显。首先建立了基于微燃机的冷热电联产系统的仿真模型及经济优化模型,分别分析了冷热电负荷比例、燃料价格、剩余电力上网政策、购电电价等对系统经济性的影响。在分析电价的影响时,分别按固定电价和实时电价进行了分析。算例分析表明微燃机CCHP系统的运行成本不仅跟冷热电负荷的需求有关,还与电网电价、微燃机燃料价格和锅炉燃料的价格有关。

中国药品价格治理困境与改进建议

看病贵是社会反映最强烈的问题之一,医院药价虚高是其中最大的难点。我国政府一直通过不同治理措施控制药品价格,但政策效果并不明显。本文根据药品价格管制背景、政府治理药价的动因、医院药价虚高的成因和现行药价治理的效果分析,从我国当前医疗体制和医疗保障体系的特点出发,提出改进药价治理模式的政策建议。