基于ARIMA-SVR组合模型的动力煤价格预测与实证研究

基于ARIMA-SVR组合模型的动力煤价格预测与实证研究

论文摘要

煤炭是重要的生产能源,基于我国的资源禀赋情况,煤炭在很长一段时间内仍将是我国占比最大的能源。煤炭的种类中,动力煤产量远多于炼焦煤及无烟煤、喷吹煤。动力煤主要用于电力、化工、建材、冶金行业,而其中又以火力发电对动力煤的消耗量占比最大。电力是经济生产、群众生活必不可少的物质条件。产生电力的动力煤的重要性不言而喻,动力煤的价格波动影响着经济生活的方方面面。近年来动力煤市场现货价格波动幅度较大,分析动力煤市场现状、价格的形成机制与影响因素也发现,动力煤的价格形成有其特殊性,同时市场情况也发生了巨大的变化。故有必要寻求新的预测方法,对动力煤现货价格加以研究预测。为得到更好的预测结果,本文选用ARIMA与SVR两种预测方法,以近六年的动力煤市场现货价格为样本数据,分别对动力煤价格加以预测,证明两种模型各有其优势,而使用PSO算法对参数寻优的SVR模型具有更好的预测效果。为进一步提高预测精度,本文对ARIMA模型及SVR模型进行了多种模式的组合。结果表明,在对动力煤现货价格的预测中,并联组合法有更好的适用性。因近年来动力煤市场价格趋势发生变化,本文通过变点检测,选择价格变化后的样本数据,基于ARIMA,SVR及其组合模型对动力煤现货价格做预测,证明当前市场情况下,使用该模型对动力煤价格预测精度降低,但仍然是适用的。除了在煤炭行业的应用外,ARIMA-SVR组合模型在农产品、化工产品价格、股票指数、物流需求、旅游需求等的预测方面也有实际意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  •   1.1 研究背景
  •   1.2 研究意义
  •     1.2.1 理论意义
  •     1.2.2 实际意义
  •   1.3 国内外研究现状
  •     1.3.1 国外研究现状
  •     1.3.2 国内研究现状
  •   1.4 本文内容及章节安排
  •     1.4.1 研究内容
  •     1.4.2 本文论文结构
  •     1.4.3 创新与不足之处
  • 第2章 动力煤市场情况分析
  •   2.1 动力煤价格组成
  •   2.2 动力煤价格形成机制
  •   2.3 影响煤价波动因素
  •   本章小结
  • 第3章 理论基础
  •   3.1 ARIMA模型介绍及原理
  •     3.1.1 ARIMA模型介绍
  •     3.1.2 ARIMA模型建立步骤
  •   3.2 SVR(支持向量回归)模型介绍及步骤
  •     3.2.1 SVR模型介绍及原理
  •     3.2.2 SVR模型参数选择
  •   3.3 组合模型原理
  •   本章小结
  • 第4章 实证研究
  •   4.1 评价指标
  •   4.2 数据来源与描述
  •   4.3 基于ARIMA模型的动力煤月度价格预测
  •   4.4 基于SVR模型的动力煤月度价格预测
  •     4.4.1 数据处理及分析工具
  •     4.4.2 基于SVR模型的动力煤月度价格预测
  •   4.5 基于ARIMA-SVR组合模型的动力煤月度价格预测
  •     4.5.1 串联法建立组合模型
  •     4.5.2 并联组合方法建立组合模型
  •   4.6 基于ARIMA模型、SVR模型、ARIMA-SVR组合模型的动力煤周度价格预测
  •     4.6.1 基于SVR模型的动力煤现货周度价格预测
  •     4.6.2 基于ARIMA模型、ARIMA-SVR组合模型的动力煤周度价格预测
  •   本章小结
  • 第5章 结论
  •   5.1 本文结论
  •   5.2 展望
  • 参考文献
  • 致谢
  • 个人简历 在读期间发表的学术论文与研究成果
  • 文章来源

    类型: 硕士论文

    作者: 向超

    导师: 熊巍

    关键词: 动力煤价格,组合模型

    来源: 对外经济贸易大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑,经济与管理科学

    专业: 数学,矿业工程,宏观经济管理与可持续发展,工业经济,市场研究与信息

    单位: 对外经济贸易大学

    分类号: F224;F426.21;F764.1

    DOI: 10.27015/d.cnki.gdwju.2019.000169

    总页数: 52

    文件大小: 3446K

    下载量: 1131

    相关论文文献

    • [1].基于调和分析和ARIMA-SVR的组合潮汐预测模型[J]. 上海海事大学学报 2019(03)
    • [2].基于ARIMA-SVR的水文时间序列异常值检测[J]. 计算机与数字工程 2018(02)
    • [3].ARIMA-SVR组合方法在水质预测中的应用[J]. 长江科学院院报 2020(10)
    • [4].ARIMA-SVR组合模型在基于标准化降水指数干旱预测中的应用[J]. 干旱地区农业研究 2020(02)
    • [5].夏季短期电力负荷ARIMA-SVR组合预测模型[J]. 黑龙江电力 2016(02)

    标签:;  ;  

    基于ARIMA-SVR组合模型的动力煤价格预测与实证研究
    下载Doc文档

    猜你喜欢