基于EWT-SSA-PSO-ELM模型的P2P网贷市场收益率预测

鉴于目前鲜有研究关注P2P网贷市场收益率预测问题,针对已有金融市场收益率预测研究存在的不足,提出了一种基于两阶段分解技术和粒子群优化极限学习机的EWT-SSA-PSO-ELM预测模型.引入EWT经验小波分解算法对原始的收益率综指序列进行分解,进而提高原始序列的分解效率;采用Lempel-Ziv复杂度算法提升模式分量重构的科学性,避免以往分量重构过程的随意性;利用SSA奇异谱分解算法对高频重构分量进行降噪,从而提升高频重构分量预测效果.基于该预测模型对P2P网贷市场收益率综指进行预测,实证结果表明,所构建的收益率预测模型的性能显著优于其余基准对比模型.

原油期货价格预测模型CEEMDAN-PSO-ELM

为了进一步提升原油期货价格预测的精准性,本文基于CEEMDAN分解算法和ELM极限学习机模型,利用PSO粒子群优化算法对机器学习模型进行参数寻优,进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测.先基于CEEMDAN算法对原始价格序列进行分解,然后利用Lempel-Ziv复杂度指数对分量进行重构,得到高频、中频和低频重构分量,再采用PSO-ELM模型对每个重构分量进行预测,利用PACF系数选取模型输入变量,最终加总集成各分量预测结果.实证结果表明,与其他15种基准模型相比,CEEMDAN-PSO-ELM模型的预测性能最佳,MCS检验和DM检验也进一步证实了该模型的稳健性.

中国页岩气资源开发利用的能源安全效益评价与预测

结合页岩气等非常规天然气资源开发的影响因素,构建中国天然气安全评价指标体系,测算了1996—2016年中国天然气安全指数。在此基础上,结合页岩气发展规划以及学习曲线理论,设置了两种学习率情景的中国页岩气开发规模,运用PSO-ELM模型预测了到2035年不同情景下中国天然气安全指数。研究发现:中国非常规天然气资源的商业化开发对天然气安全有积极的作用;只有在实现技术突破的情况下,页岩气开发对能源安全才具有一定的正向效益。

小寨山隧道洞口段塌方成因分析及变形预测

为保证隧道洞口段的施工安全,在小寨山隧道洞口段塌方成因分析的基础上,利用尖点突变理论和PSO-ELM模型评价了隧道洞口段围岩的稳定性现状及其发展趋势;另外,根据洞口段塌方成因,对塌方处理措施进行了系统研究,并综合分析了处理效果,以评价各类处理措施的有效性。小寨山隧道洞口段塌方成因研究表明:洞口段的塌方成因主要是偏压原因和降雨原因,且突变分析过程的突变特征值均<0,得出隧道洞口段围岩处于不稳定状态,加之变形预测结果显示其后期变形仍将持续增加,进而隧道洞口段的稳定性趋于不利方向发展,有必要采取切实措施保证施工安全;同时,塌方处理措施应结合工程实际,先对各施工阶段和步骤进行针对性加固,再调整隧道支护所受的宏观应力状态,保证其受力平衡,且通过塌方处理,小寨山洞口段围岩变形处于可控范围内,验证了各类处理措施的有效性。

基于粒子群优化极限学习机的风功率预测

风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。

基于CEEMDAN-MR-PE-NLE多频优化组合模型的碳金融市场价格预测

鉴于碳金融市场价格预测的复杂性,遵循"分解"、"重构"、"预测"、"集成"的总体建模架构,构建了CEEMDAN-MR-PE-NLE多频优化组合预测模型.先基于CEEMDAN算法对原始碳价序列进行分解,然后采用CCI贡献度指数和E-C进化聚类算法以及Lempel-Ziv复杂度指数对分量进行重构,进而得到高频分量、低频分量和趋势分量,利用PSO-ELM粒子群优化的极限学习机预测模型对三个重构分量分别进行预测,最后采用非线性集成算法将重构分量的预测结果进行集成,得到最终的碳价预测结果.五种模型预测效果评价指标和MCS检验均表明:与基准模型相比,构建的预测模型性能最优,DM稳健性检验结果也进一步证实了构建的预测模型的稳健性.