基于CEEMD-ELM-ARIMA的天然气价格预测模型研究

天然气作为清洁能源,近年成为各国常用能源之一。天然气价格是天然气企业进行重大经营决策以及运营计划的重要影响因素,准确预测天然气价格对天然气产业具有重大意义。首先采用互补集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)对天然气价格进行分解;其次利用极限学习机(Extreme Learning Machine,ELM)预测高频分量,差分整合移动自回归平均模型(Autoregressive Integrated Moving Average model,ARIMA)预测低频分量;最后各分量预测结果总和即为最终预测结果。用美国Henry Hub交易中心公布的数据进行预测,并与其他模型进行比较,算例结果表明CEEMD-ELM-ARIMA预测模型的预测精度更高。

基于混合集成模型的天然气价格预测方法研究

利用自适应白噪声完整集成经验模态分解法对Henryhub天然气原始价格进行分解,将分解后得到的本征模态函数分为高频序列、低频序列和趋势项三类;然后使用粒子群优化后的最小二乘支持向量机模型对其分别进行预测,通过ADD集成方法得到最终预测值;最后,引入其他六类预测模型(PSO-LSSVM、SVM、RF、XGBoost、BPNN、ELM)与之进行对比,从误差分析和模型检验两个维度说明模型的有效性。结果表明混合集成模型相对于其他六类预测模型有更高的水平精度和方向精度,且通过了与其他预测模型的DM检验,同时也表明加入分解后的模型精度较不加分解的模型精度更高。

城市天然气市场需求与价格预测

结合国家现行规定,通过分析城市天然气市场需求以及天然气价格承受能力,为石化企业发展天然气事业及确定营销策略提供市场及价格参考。

基于相关系数和灰色模型的振荡序列预测

针对灰色模型在振荡序列预测中的不足,提出一种组合预测方法。针对时间序列,提出残差相关系数,计算当前训练数据和历史数据段的相关系数。在最相似历史数据段中利用遗传算法对灰色模型参数寻优,将该参数输入灰色模型实现当前预测。将当前预测结果和相似历史值加权求和,得到最终的预测结果。基于人工数据的对比实验结果表明,残差相关系数更能有效反映数据间的相似关系。基于天然气价格预测的对比实验结果表明,所提方法预测结果准确度更高。