基于混合深度学习的原油价格预测

能源价格对经济活动以及国家能源政策的规划一直影响重大。基于这一背景,提出了一种新的分解-预测-集成混合预测模型来预测原油价格。首先运用互补集成经验模态分解和变分模态分解对原始序列进行一次和二次分解,运用随机森林和样本熵进行分量重构;接着,利用Lempel-Ziv复杂度进行分量分类,运用长短期记忆网络-门控循环单元组合预测模型,预测不同分量;最后利用卷积神经网络-长短期记忆网络模型进行非线性重构。所构建的混合深度学习模型在同一数据集中的性能优于所提出的其他基准模型,证明了所提出模型的可靠性和优越性。同时,基于预测结果及其误差进行的基于核密度估计的区间预测结果,为原油价格预测提供了更具有实用性的依据。