미래 유가를 예측하기 위해 어떤 수학적 모델링 모델을 사용해야 합니까?

BP 신경망을 주성분 분석과 결합하는 방법을 사용하는 것이 좋습니다.

다중 회귀, 시계열 방법과 같은 몇 가지 일반적인 방법은 가격 변동의 선형 관계를 예측할 수 있는 전형적인 선형 예측 모델이며 중장기 예측에 한계가 있습니다.

신경망은 객체의 정확한 수학적 모델을 구축하고, 객체의 특성을 정확하게 설명하고, 학습 능력이 강하고, 병렬 처리가 가능하며, 복잡한 시스템 모델링 등에 널리 사용되고 있으며, 유가 예측에 대한 아이디어를 제공하는 지능형 예측 방법입니다. 하지만 유가에 영향을 미치는 요인이 많고, 데이터에 소음이 있어 직접 신경망을 이용해 수렴 속도가 느리고 예측 정확도가 낮기 때문에 유가에 영향을 미치는 요인을 미리 처리해야 한다. 유가변화의 특징에 따라 주성분 분석과 BP 신경망을 기반으로 한 유가 예측 모델을 제시했다. 이 모델은 정성 분석을 이용하여 영향요인을 선별한 다음 주성분분석을 이용해 유가영향요인을 선별하고 가장 중요한 영향요인을 선택하며 마지막으로 신경망을 통해 비선형 연속 함수에 접근하는 능력을 통해 유가를 예측함으로써 유가에 대한 정확한 예측을 실현한다.

가격 예측 프로세스

BP 신경망 예측 과정은 다음과 같습니다.

1. 유가 및 영향 요인을 수집하여 관련 데이터를 얻습니다.

2. 유가의 영향 요인에 대한 주성분 분석을 실시하여 기여율이 큰 주성분을 선별하였다.

유가 데이터를 훈련 샘플과 예측 샘플로 나눕니다.

4. BP 신경망을 이용하여 훈련 샘플을 훈련시켜 모델의 최적 매개변수를 찾아낸다.

5. 가장 많은 매개변수를 이용하여 예측 샘플을 예측하여 BP 신경망 예측 모델을 만든다.