基于Adam-LSTM的车用汽油价格预测

汽油价格预测的国内外以往研究主要采用传统统计模型和简单神经网络模型,无法处理长期依赖性问题,而深度学习的长短期记忆(LSTM)神经网络模型能够有效处理成品油价格数据中的长期依赖问题,因此建立基于Adam(自适应矩估计)-LSTM人工神经网络模型,对四川地区89号、92号、95号汽油价格数据进行预测。首先对数据进行滑动平均处理,然后通过均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标评价模型的预测效果,同时通过DM(Diebold-Mariano)检验比较LSTM模型与另外4种模型的预测效果,最终发现LSTM对于该数据的预测效果最优。