Kailing, Yang与Xi, Zhang等：基于新型混合机器学习预测能源价格：多步骤价格预测的综合研究
论论资讯 ｜ 2024-04-29 ｜
81热度
Energy
Explore content
About the journal
Publish with us
Predicting energy prices based on a novel hybrid machine learning: Comprehensive study of multi-step price forecasting
Yang K.; Zhang X.; Luo H.; Hou X.; Lin Y.; Wu J.; Yu L.
Published：2024-07-01
DOI：10.1016/j.energy.2024.131321
研究背景
当谈及能源价格时，我们经常会关注到它对能源安全和环境政策的重要性。然而，当前研究领域存在一个问题，即如何准确预测能源价格变动，以帮助各国制定更有效的政策。
研究内容
这篇论文提出了一种全新的多步预测混合模型，采用了遗传算法、变分模态分解、改进的完全集成经验模态分解、双向门控循环单元、时间卷积网络和多层感知器（GVMD-ICEEMDAN-BIGRU-TCN-MLP）来预测碳和天然气期货价格。研究首先使用遗传算法（GA）来固定VMD模型的参数，将碳和天然气价格分解为子序列。然后，利用ICEEMDAN将原始序列与VMD分解后的差异进一步分解为子序列。接着，利用MLP模型预测最高频率序列，利用BIGRU-TCN模型预测其他子序列。最后，每个预测值线性相加，确定整个预测过程的步骤1、3和5的最终结果。实验结果表明，该模型在平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）、决定系数（R<sup>2</sup>）和修改的Diebold-Mariano检验（MDM）下具有更低的预测误差。这一全新混合模型在多步预测实验中表现出色，尤其在1步预测实验以及不同训练比例的实验中。
研究意义
这项研究的创新之处在于提出了一种新颖的预测模型，为未来能源价格预测提供了有力的工具。通过该模型的应用，我们可以更准确地预测碳和天然气价格的变动，为能源行业的发展和政策制定提供更可靠的依据。
学术热榜
查看全部
相关资讯
换一批