基于极限学习机算法的中短期电力现货价格预测方法

电力不同于其他商品一样能够进行存储,电力现货价格往往存在着不确定性。在竞争激烈的市场中,电力现货价格预测模型成为了电力相关企业非常重要的工具。为进一步加强电力相关企业的购电决策能力,提出了一种基于极限学习机算法的中短期电力现货价格预测模型。首先通过极限学习机算法训练的人工神经网络确定未来半年的月平均现货价格,其次在算法中构建参考函数返回与给定风险相关的参考价格,降低现货市场波动风险。结果表明,所提出模型的预测均方根误差低于期货价格相关值的10%,能够改善中短期电力交易决策,降低决策风险。

基于Lasso和Xgboost的油价预测研究

鉴于国际原油价格波动的频繁性和对国民经济的重要性,油价的预测和油价的影响因素研究一直是国内外的研究热点。为了提高油价预测的准确性,本文在总结前人提出的油价影响因素的基础上,运用Lasso方法筛选出美国原油生产成本、WTI原油期货价格、中国原油产量等11个主要影响因素,之后使用Xgboost方法对油价进行预测。数值试验结果表明,相比较其它预测方法,本文构建的Lasso-Xgboost组合方法预测精度更高,泛化能力更强。最后本文应用已有模型对2018~2019年WTI原油价格进行趋势预测。

基于改进型小波神经网络的油价预测

为了提高油价预测的精度,文章运用主成分分析(PCA)的方法对初始数据进行预处理,同时将小波分析与BP神经网络结合构建小波神经网络(WNN),由此得到PCA-WNN预测模型。数值实验的结果表明,相比于传统BP模型和PCA-BP模型,PCA-WNN模型的预测精度更高,稳定性更好,泛化能力更强,是一种更出众的油价预测方法。

基于SA-WNN模型的油价预测研究

原油价格不仅受到传统供需面因素的影响,在短期内更容易受到战争、金融危机、自然灾害、政治事件等非常规性因素的影响。为了更加准确地刻画国际油价走势,完善油价预测理论体系,论文首先运用情感分析(SA)方法对反映非常规影响因素的文本数据进行预处理,然后根据文本计算市场趋势项,再将该项作为小波神经网络(WNN)的输入数据,构建基于情感分析的小波神经网络预测模型(SA-WNN)。预测的结果显示,相对于传统BP神经网络模型和基于独立源分析的小波神经网络(ICA-WNN)模型,SA-WNN模型能够准确判断油价的方向性走势,是一种更加优秀的预测模型。

基于独立源分析的小波神经网络油价预测

国际原油价格具有复杂波动性与高度非线性的特点,为了更加准确地刻画国际油价走势,文章运用独立成分分析（ICA）方法对初始数据进行预处理,重构得到市场突发影响项、石油供给能力和常规需求三种隐含影响因素,将所得结果作为小波神经网络（WNN）的预处理数据,构建了ICA-WNN预测模型。数值预测的结果表明相比于传统BP模型和PCA-WNN模型,ICA-WNN模型能够准确判断油价的方向性走势,并且预测精度更高,可解释性更强,是一种更优化的油价预测模型。