-
题名基于ARFIMA模型的钢材价格预测研究
被引量:2
- 1
-
-
作者
陈雪
申建红
徐文慧
朱琛
-
机构
青岛理工大学管理工程学院
山东省高校智慧城市建设管理研究中心
-
出处
《河北工程大学学报(自然科学版)》
CAS
2020年第3期64-68,共5页
-
基金
国家自然科学基金资助项目(71471094)。
-
文摘
钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的ARFIMA钢材价格预测模型,以青岛市2014年1月到2019年6月螺纹钢的价格为研究对象进行了钢材价格预测,并利用ARFIMA模型和ARIMA模型的预测值与真实值进行对比分析,实验结果显示:ARFIMA模型较ARIMA模型的钢材价格预测精准度提高了1.7%,且预测效果更稳定。
-
关键词
钢材价格预测
ARFIMA模型
时间序列
长记忆性
-
Keywords
steel price forecast
ARFIMA model
time series
long memory
-
分类号
TU511.3+3
[建筑科学—建筑技术科学]
-
-
题名基于LSTM神经网络模型分析预测钢材价格
- 2
-
-
作者
李田田
胡伟
余俊锋
-
机构
安徽数智建造研究院有限公司
-
出处
《科学技术创新》
2024年第15期34-37,共4页
-
文摘
钢价时间序列具有明显的长短记忆特征,故以施工企业安徽省的项目部实际采购规格型号为HRB400Eφ16螺纹钢的金额为例,科学合理的运用LSTM模型对其建模,并与传统的ARIMA模型进行对比,结果表明LSTM模型的预测相对误差为0.03,比ARIMA模型预测精度更好,适合用来预测建筑钢材价格。
-
关键词
钢材价格预测
时间序列
LSTM模型
ARIMA模型
长短时记忆性
-
Keywords
prediction of steel prices
time series
LSTM model
ARIMA model
long and short-term memory
-
分类号
TU17
[建筑科学—建筑理论]
-
-
题名基于百度搜索指数的钢材市场预测
被引量:1
- 3
-
-
作者
张靖弦
蔡学媛
黄守涛
-
机构
法国凯致商学院
武汉纺织大学管理学院
武汉大学经济管理学院
-
出处
《统计与决策》
CSSCI
北大核心
2020年第4期113-117,共5页
-
文摘
文章使用百度搜索指数(BDI)和同期钢材交易价格和销售量的历史数据,运用时间序列分析方法,研究BDI对钢材价格和销售量预测。对钢材销售量预测以季度为周期时,BDI可提高准确度9.544%。对钢材价格预测以天为周期时,存在残差项序列相关的问题;以周为周期的可以提高1.208%的预测准确度,并且t检验显示其所有系数显著不为零,QLB统计量显示残差项不存在序列相关的问题;以月为周期,准确度提高1.424%,BDI的系数t检验显著等于零,但是残差项不存在序列相关的问题;以季度为周期,BDI的系数t检验显著地等于零。
-
关键词
百度搜索指数
钢材销售量预测
钢材价格预测
-
分类号
F224061.6
[经济管理—国民经济]
F064.1
[经济管理—政治经济学]
-