基于TSA-PSO-SVR算法在碳期货价格中的预测研究 |
| |
引用本文: | 刘青,贺兴时.基于TSA-PSO-SVR算法在碳期货价格中的预测研究[J].哈尔滨商业大学学报(自然科学版),2023(2):242-250. |
| |
作者姓名: | 刘青 贺兴时 |
| |
作者单位: | 西安工程大学理学院 |
| |
基金项目: | 国家自然科学基金(12101477);;陕西省自然科学基础研究计划(2020JQ-831); |
| |
摘 要: | 针对支持向量回归(SVR)模型参数选择困难以及在碳期货价格预测中模型误差高的问题,提出一种基于改进粒子群算法-支持向量回归(TSA-PSO-SVR)的期货价格预测模型.通过改进粒子群算法惯性权重实现局部搜索和全局搜索能力的平衡,引入被囊群算法(TSA)对粒子群位置更新公式进行优化,利用改进的粒子群算法(TSA-PSO)找出最优参数有效解决支持向量回归参数选择盲目性的问题;将得到的最优参数应用于期货价格预测模型.选取福建碳交易市场的碳交易价格进行预测,与支持向量回归(SVR)、差分自回归移动平均模型(ARIMA)、长短期记忆模型(LSTM)模型作对比,实验结果表明TSA-PSO-SVR模型有效克服了高预测误差和参数选择随机性的问题,并具有较高的泛化能力.
|
关 键 词: | 改进粒子群算法 支持向量回归 被囊群算法 价格预测 参数优化 碳期货 |
|