基于NSGA2算法和Elman神經(jīng)網(wǎng)絡(luò)的煤炭價格預(yù)測模型的研究
發(fā)布時間:2023-03-30 01:44
近年來,煤炭價格的波動程度尤為復(fù)雜。其價格的漲跌往往預(yù)示未來一段時間的經(jīng)濟(jì)發(fā)展方向,如何準(zhǔn)確預(yù)測煤炭價格的漲跌已經(jīng)成為重要的研究課題。但隨著對煤炭價格研究逐漸深入,人們發(fā)現(xiàn)煤炭價格與往期煤炭價格聯(lián)系十分密切,因此從時間序列中獲取未來煤炭價格走勢就顯得十分重要。依靠時間序列中獲得的可靠的預(yù)測結(jié)果有利于公司事先掌握煤炭價格的走勢,從而適當(dāng)?shù)恼{(diào)整資金調(diào)動,對企業(yè)的生產(chǎn)規(guī)劃做出相應(yīng)調(diào)整,降低虧損概率等;同時也有利于國家對于宏觀經(jīng)濟(jì)的調(diào)控,對可能存在的問題及時做出政策調(diào)整,從而避免煤炭資源的進(jìn)一步濫用。本文梳理了目前關(guān)于煤炭價格預(yù)測的相關(guān)研究成果,分別從數(shù)據(jù)預(yù)處理、優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)三個部分介紹了本文的理論基礎(chǔ)。并在此基礎(chǔ)上選擇了小波閾值法、基于反向?qū)W習(xí)的NSGA2算法以及Elman神經(jīng)網(wǎng)絡(luò)作為組合模型的一部分,利用了內(nèi)蒙古,山西,安徽等地的煤炭價格時間序列數(shù)據(jù)進(jìn)行模型的訓(xùn)練。根據(jù)不同的模型指標(biāo)進(jìn)行測評,從不同方面不同角度驗證本文所提出的模型的穩(wěn)定性,對比不同的模型得到最終結(jié)論。全文共分為五個章節(jié)。第一章為緒論,介紹煤炭價格預(yù)測的研究背景和意義,對煤炭價格預(yù)測相關(guān)的文獻(xiàn)做系統(tǒng)性的梳理,并對本文的...
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 選題背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 文獻(xiàn)綜述
1.2.1 基于傳統(tǒng)計量經(jīng)濟(jì)學(xué)模型的煤炭價格預(yù)測研究現(xiàn)狀
1.2.2 基于單一模型的煤炭價格預(yù)測的研究現(xiàn)狀
1.2.3 基于組合模型的煤炭價格預(yù)測的研究現(xiàn)狀
1.2.4 文獻(xiàn)述評
1.3 研究方法和框架
1.3.1 研究方法
1.3.2 研究框架
1.4 創(chuàng)新之處
1.5 不足之處
2 相關(guān)理論概述
2.1 小波閾值法相關(guān)理論
2.2 Elman神經(jīng)網(wǎng)絡(luò)
2.2.1 神經(jīng)網(wǎng)絡(luò)的概述
2.2.2 神經(jīng)網(wǎng)絡(luò)的分類
2.2.3 Elman神經(jīng)網(wǎng)絡(luò)的原理
2.3 基于反向?qū)W習(xí)的非支配快速排序遺傳算法
2.3.1 優(yōu)化算法簡介
2.3.2 遺傳基本算法
2.3.3 基于反向?qū)W習(xí)的非支配快速排序遺傳算法(OBL-NSGA2)
2.4 OBL-NSGA2-ENN模型
2.5 本章小結(jié)
3 煤炭價格預(yù)測的實驗設(shè)計
3.1 實驗數(shù)據(jù)描述
3.2 預(yù)測模型評價指標(biāo)
3.3 實驗設(shè)計思路
3.4 模型預(yù)測步驟
3.5 本章小結(jié)
4 實驗結(jié)果仿真與分析
4.1 多目標(biāo)算法測試
4.1.1 OBL-NSGA2算法測試
4.1.2 OBL-NSGA2在組合模型中的適用性
4.2 不同模型預(yù)測煤炭價格預(yù)測對比
4.3 不同時期地區(qū)煤炭價格預(yù)測對比
5 結(jié)論與展望
參考文獻(xiàn)
后記
本文編號:3774925
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
1 緒論
1.1 選題背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 文獻(xiàn)綜述
1.2.1 基于傳統(tǒng)計量經(jīng)濟(jì)學(xué)模型的煤炭價格預(yù)測研究現(xiàn)狀
1.2.2 基于單一模型的煤炭價格預(yù)測的研究現(xiàn)狀
1.2.3 基于組合模型的煤炭價格預(yù)測的研究現(xiàn)狀
1.2.4 文獻(xiàn)述評
1.3 研究方法和框架
1.3.1 研究方法
1.3.2 研究框架
1.4 創(chuàng)新之處
1.5 不足之處
2 相關(guān)理論概述
2.1 小波閾值法相關(guān)理論
2.2 Elman神經(jīng)網(wǎng)絡(luò)
2.2.1 神經(jīng)網(wǎng)絡(luò)的概述
2.2.2 神經(jīng)網(wǎng)絡(luò)的分類
2.2.3 Elman神經(jīng)網(wǎng)絡(luò)的原理
2.3 基于反向?qū)W習(xí)的非支配快速排序遺傳算法
2.3.1 優(yōu)化算法簡介
2.3.2 遺傳基本算法
2.3.3 基于反向?qū)W習(xí)的非支配快速排序遺傳算法(OBL-NSGA2)
2.4 OBL-NSGA2-ENN模型
2.5 本章小結(jié)
3 煤炭價格預(yù)測的實驗設(shè)計
3.1 實驗數(shù)據(jù)描述
3.2 預(yù)測模型評價指標(biāo)
3.3 實驗設(shè)計思路
3.4 模型預(yù)測步驟
3.5 本章小結(jié)
4 實驗結(jié)果仿真與分析
4.1 多目標(biāo)算法測試
4.1.1 OBL-NSGA2算法測試
4.1.2 OBL-NSGA2在組合模型中的適用性
4.2 不同模型預(yù)測煤炭價格預(yù)測對比
4.3 不同時期地區(qū)煤炭價格預(yù)測對比
5 結(jié)論與展望
參考文獻(xiàn)
后記
本文編號:3774925
本文鏈接:http://www.sikaile.net/qiyeguanlilunwen/3774925.html
最近更新
教材專著