[1]潘少伟１,李　辉１,王亚玲２,等.ＬＳＴＭ 神经网络原油价格预测[J].计算机技术与发展,2021,31(05):180-185.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 031]
　,,et al.ＣｒｕｄｅＯｉｌＰｒｉｃｅＰｒｅｄｉｃｔｉｏｎｗｉｔｈＬＳＴＭ ＮｅｕｒａｌＮｅｔｗｏｒｋｓ[J].,2021,31(05):180-185.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 031]
点击复制

ＬＳＴＭ 神经网络原油价格预测()

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
31
期数:
2021年05期
页码:
180-185
栏目:
应用前沿与综合
出版日期:
2021-05-10

文章信息/Info

Title:
ＣｒｕｄｅＯｉｌＰｒｉｃｅＰｒｅｄｉｃｔｉｏｎｗｉｔｈＬＳＴＭ ＮｅｕｒａｌＮｅｔｗｏｒｋｓ
文章编号:
1673-629X(2021)05-0180-06
作者:
潘少伟１; 李　辉１; 王亚玲２; 蔡文斌３
１．西安石油大学计算机学院，陕西西安７１００６５；２．中国石油长庆油田公司勘探开发研究院，陕西西安７１００１８；３．西安石油大学石油工程学院，陕西西安７１００６５
Author(s):
ＰＡＮＳｈａｏ－ｗｅｉ１; ＬＩＨｕｉ１; ＷＡＮＧＹａ－ｌｉｎｇ２; ＣＡＩＷｅｎ－ｂｉｎ３
１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，Ｘｉ’ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００６５，Ｃｈｉｎａ；２．ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＥｘｐｌｏｒａｔｉｏｎａｎｄＤｅｖｅｌｏｐｍｅｎｔｏｆＣｈａｎｇｑｉｎｇＯｉｌｆｉｅｌｄＣｏｍｐａｎｙ，ＰｅｔｒｏＣｈｉｎａ，Ｘｉ’ａｎ７１００１８，Ｃｈｉｎａ；３．ＳｃｈｏｏｌｏｆＰｅｔｒｏｌｅｕｍＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００６５，Ｃｈｉｎａ
关键词:
长短期记忆; 原油价格; 时间序列; 短期预测; ＷＴＩ
Keywords:
ｌｏｎｇｓｈｏｒｔ－ｔｅｒｍｍｅｍｏｒｙ; ｃｒｕｄｅｏｉｌｐｒｉｃｅ; ｔｉｍｅｓｅｒｉｅｓ; ｓｈｏｒｔ－ｔｅｒｍｐｒｅｄｉｃｔｉｏｎ; ＷＴＩ
分类号:
ＴＰ３９１
DOI:
10. 3969 / j. issn. 1673-629X. 2021. 05. 031
摘要:
原油价格变化对国际政治和世界经济具有重要影响。深入挖掘原油价格变化规律，进而提高其预测的准确性，对国家经济发展、企业生产运作具有非常重要的战略意义。传统机器学习方法和统计分析方法在原油价格预测时存在诸多不足，因此该文把长短期记忆（ｌｏｎｇｓｈｏｒｔ－ｔｅｒｍｍｅｍｏｒｙ，ＬＳＴＭ）神经网络引入到原油价格短期预测中。利用ＬＳＴＭ神经网络，以美国ＷＴＩ２０１６年１月１日到２０１９年６月３０日的现货价格日数据为研究对象，共设计实施三组实验进行原油价格日数据的短期预测。实验结果表明，利用前二十四个月的原油价格日数据预测后三个月原油价格日数据时评价效果最好，而利用前六个月的原油价格日数据预测后一个月原油价格日数据时评价效果最差。总体来看，采用ＬＳＴＭ神经网络对原油价格进行短期预测取得了一定成果，对相关决策者具有一定的参考价值。
Abstract:
Ｔｈｅｃｈａｎｇｅｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅｈａｓａｎｉｍｐｏｒｔａｎｔｉｎｆｌｕｅｎｃｅｏｎｉｎｔｅｒｎａｔｉｏｎａｌｐｏｌｉｔｉｃｓａｎｄｗｏｒｌｄｅｃｏｎｏｍｙ．Ｉｔｉｓｏｆｇｒｅａｔｓｔｒａｔｅｇｉｃｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｎａｔｉｏｎａｌｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ，ｐｒｏｄｕｃｔｉｏｎａｎｄｏｐｅｒａｔｉｏｎｏｆｅｎｔｅｒｐｒｉｓｅｓｔｏｄｉｇｉｎｔｏｔｈｅｌａｗｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅｃｈａｎｇｅｓｄｅｅｐｌｙａｎｄｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅｐｒｅｄｉｃｔｉｏｎ．Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｃｈｉｎｅｌｅａｒｎｉｎｇｍｅｔｈｏｄｓａｎｄｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｓｈａｖｅｍａｎｙｓｈｏｒｔｃｏｍｉｎｇｓｉｎｃｒｕｄｅｏｉｌｐｒｉｃｅｐｒｅｄｉｃｔｉｏｎ，ｓｏｗｅｉｎｔｒｏｄｕｃｅｔｈｅｌｏｎｇｓｈｏｒｔ－ｔｅｒｍ ｍｅｍｏｒｙ（ＬＳＴＭ）ｎｅｕｒａｌｎｅｔｗｏｒｋｓｉｎｔｏｔｈｅｓｈｏｒｔ－ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅ．ＴｈｅｄａｉｌｙｓｐｏｔｐｒｉｃｅｄａｔａｏｆＷＴＩｆｒｏｍ Ｊａｎｕａｒｙ１，２０１６ｔｏＪｕｎｅ３０，２０１９ｗａｓｔａｋｅｎａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ，ａｎｄｔｈｒｅｅｓｅｔｓｏｆｅｘｐｅｒｉｍｅｎｔｓｗｅｒｅｄｅｓｉｇｎｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄｆｏｒｓｈｏｒｔ－ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆｄａｉｌｙｃｒｕｄｅｏｉｌｐｒｉｃｅｗｉｔｈｔｈｅＬＳＴＭ ｎｅｕｒａｌｎｅｔｗｏｒｋｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｈｏｗｓｔｈａｔｔｈｅｄａｉｌｙｄａｔａｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅｉｎｔｈｅｆｉｒｓｔ２４ｍｏｎｔｈｓｔｈａｔｉｓｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｄａｉｌｙｄａｔａｉｎｔｈｅｌａｓｔｔｈｒｅｅｍｏｎｔｈｓｈａｓｔｈｅｂｅｓｔｅｖａｌｕａｔｉｏｎｅｆｆｅｃｔ，ｗｈｉｌｅｔｈｅｄａｉｌｙｄａｔａｏｆｃｒｕｄｅｏｉｌｐｒｉｃｅｉｎｔｈｅｆｉｒｓｔｓｉｘｍｏｎｔｈｓｔｈａｔｉｓｕｓｅｄｔｏｆｏｒｅｃａｓｔｔｈｅｄａｉｌｙｄａｔａｉｎｔｈｅｌａｓｔｍｏｎｔｈｈａｓｔｈｅｗｏｒｓｔｅｖａｌｕａｔｉｏｎｅｆｆｅｃｔ．Ｉｎｇｅｎｅｒａｌ，ｓｏｍｅａｃｈｉｅｖｅｍｅｎｔｓｈａｖｅｂｅｅｎｍａｄｅｉｎｃｒｕｄｅｏｉｌｐｒｉｃｅｐｒｅｄｉｃｔｉｏｎｗｉｔｈｔｈｅＬＳＴＭ ｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｗｈｉｃｈｉｓｏｆｃｅｒｔａｉｎｒｅｆｅｒｅｎｃｅｖａｌｕｅｔｏｒｅｌｅｖａｎｔｄｅｃｉｓｉｏｎｍａｋｅｒｓ．

相似文献/References:

[1]孙振华,王转转,肖 鑫.用 LSTM 对市级周交通事故量预测方法研究[J].计算机技术与发展,2023,33(02):195.[doi:10. 3969 / j. issn. 1673-629X. 2023. 02. 029]
　SUN Zhen-hua,WANG Zhuan-zhuan,XIAO Xin.Approach of Predicting Number of Citywide Traffic Accidents Using Long Short-term Memory Neural Network[J].,2023,33(05):195.[doi:10. 3969 / j. issn. 1673-629X. 2023. 02. 029]
[2]刘振东,程春玲*,刘倩.基于LSTM和位置增强的软提示向量优化[J].计算机技术与发展,2024,34(10):118.[doi:10.20165/j.cnki.ISSN1673-629X.2024.0187]
　LIU Zhen-dong,CHENG Chun-ling*,LIU Qian.Optimization of Soft Prompt Vectors Based on LSTM and Position Enhancement[J].,2024,34(05):118.[doi:10.20165/j.cnki.ISSN1673-629X.2024.0187]

更新日期/Last Update: 2020-05-10