23、原油价格预测与二氧化碳排放预测模型研究

原油价格预测与二氧化碳排放预测模型研究

原油价格预测模型研究

在原油价格预测领域，研究人员采用了多种模型进行实验，旨在找到更准确、高效的预测方法。

数据准备

实验数据选用了1986年1月至2011年12月美国能源部收集的西德克萨斯中质原油（WTI）的月度价格。数据按照70%（208个数据点）、15%（44个数据点）、15%（44个数据点）的比例划分为训练集、验证集和独立测试集，用于评估模型的泛化能力。并且，由于相关研究表明归一化对神经网络性能无影响，所以本次研究未对数据进行归一化处理。

模型构建

• 正交支持向量机（OSVM） ：该模型有10个输入、1个输出神经元和12个隐藏神经元。不敏感损失函数设为0.000234，C值为97。验证设置为在验证均方误差（MSE）连续6个周期无改善后终止。采用Kernel - Adatron学习算法进行训练，训练周期为1000。初始训练参数通过初步实验确定。该算法将原油价格映射到高维特征空间，分离具有复杂边界的数据集。神经元计算使用正交小波，宽度中心参数选为1。
• 标准支持向量机（CSVM） ：为了与OSVM进行对比，使用相同的因变量和自变量以及其他初始训练参数构建CSVM模型。实验中使用了不同的核函数，包括多项式、径向基函数核、高斯和Sigmoid函数，结果表明径向基核函数表现最佳，其扩展参数设为0.6。
• 多层感知器神经网络（MLPNN） ：具有10个输入神经元、10个隐藏神经元、1个隐藏层，隐藏层神经元使用Sigmoid激活函数