基于相空间重构理论的小波--LSSVM粉铁矿价格预测模型

摘要

随着经济全球化程度的提升与国内城市化进程的加快，我国工业在飞速发展的同时，对铁矿石等大宗商品的需求规模也在不断扩大。由于国内资源和环境的约束，我国对进口铁矿石的依赖与日俱增，在2003年我国的铁矿石进口量就已经位居全球第一。我国虽然是全球最大的铁矿石进口国，但在铁矿石定价上却缺乏影响力。随着铁矿石定价方式的不断演变，铁矿石价格的波动愈加剧烈，已经严重影响我国铁矿石生产企业、消费企业以及国家的利益，所以对铁矿石价格进行预报受到了广泛的关注。 针对已有单一时间序列模型在预测铁矿石价格方面精度和稳健性存在一定的提升空间，且传统最小二乘支持向量机模型(LSSVM)参数不易确定的问题，本文提出了一种基于小波变换和LSSVM的组合预报模型（小波-LSSVM）用于预测粉铁矿现货价格。现货贸易是我国铁矿石进口中的一种重要贸易方式，将港口现货价格与期货折基价做对比，可准确反映矿山与国内港口现货市场价格高低，所以港口现货价格是反映铁矿石价格的重要指标。本文选取北方主导港口曹妃甸港的主导品种61.5％PB粉铁矿现货价格为研究对象，对照仿真分别采用ARIMA模型、LSSVM模型和小波-LSSVM模型对2015年6月1日至2017年6月8日曹妃甸港61.5％PB粉铁矿现货价格资料进行预报试验。经试验发现，相较于ARIMA模型与LSSVM模型，小波-LSSVM组合模型取得了更好的预测效果。同时在铁矿石价格的多步预报上，该模型表现出了较好的性能。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 研究目的及意义

1．3 铁矿石价格预测的国内外研究现状

1．4 主要研究内容

1．5 论文组织结构

2 基于相空间重构理论的小波-LSSVM粉铁矿价格预测模型架构

2．1 相空间重构理论

2．2 基于相空间重构理论的小波-LSSVM粉铁矿价格预测框架

3 小波变换分析和信号去噪理论

3．1 小波变换、消噪基本原理

3．1．1 阈值法小波消噪

3．1．2 小波消噪效果评价

3．2 小波多分辨分析及对本文的适用性

4 SVM与LSSVM理论

4．1 统计学习理论

4．1．1 VC维

4．1．2 风险结构最小化

4．2 支持向量机

4．2．1 最优分类面

4．2．2 核函数

4．2．3 支持向量机回归

4．2．4 最小二乘支持向量机回归

5 基于小波变换和LSSVM的粉铁矿组合预报模型的建立

5．1 小波变换消噪方法及参数确定

5．1．1 小波函数的选择

5．1．2 小波分解层数的选择

5．2 LSSVM模型的选择

5．2．1 核函数的选取

5．2．2 参数的分析和选取

5．3 粉铁矿现货价格预测模型仿真对照与分析

5．3．1 基于ARIMA模型的预测

5．3．2 基于LSSVM模型的预测

5．3．3 基于小波-LSSVM模型的预测

5．4 预测结果评价及对比分析

6 结论与研究展望

参考文献

致谢