隨著經濟全球化程度的提升與國內城市化進程的加快,我國工業在飛速發展的同時,對鐵礦石等大宗商品的需求規模也在不斷擴大。由于國內資源和環境的約束,我國對進口鐵礦石的依賴與日俱增,在2003年我國的鐵礦石進口量就已經位居全球第一。我國雖然是全球最大的鐵礦石進口國,但在鐵礦石定價上卻缺乏影響力。隨著鐵礦石定價方式的不斷演變,鐵礦石價格的波動愈加劇烈,已經嚴重影響我國鐵礦石生產企業、消費企業以及國家的利益,所以對鐵礦石價格進行預報受到了廣泛的關注。針對已有單一時間序列模型在預測鐵礦石價格方面精度和穩健性存在一定的提升空間,且傳統最小二乘支持向量機模型(LSSVM)參數不易確定的問題,本文提出了一種基于小波變換和LSSVM的組合預報模型(小波-LSSVM)用于預測粉鐵礦現貨價格。現貨貿易是我國鐵礦石進口中的一種重要貿易方式,將港口現貨價格與期貨折基價做對比,可準確反映礦山與國內港口現貨市場價格高低,所以港口現貨價格是反映鐵礦石價格的重要指標。本文選取北方主導港口曹妃甸港的主導品種61.5%PB粉鐵礦現貨價格為研究對象,對照仿真分別采用ARIMA模型、LSSVM模型和小波-LSSVM模型對2015年6...

【文章頁數】：58 頁

【學位級別】：碩士

【部分圖文】：

圖2.1矩陣示意圖

維度m和延遲時間間隔的選取非常重要[28]。m的值若是過小，的真實結構，而m值過大時點的密度會減小，導致點間結構關同時對數據量的要求大幅提升。所以選擇適當的m值非常重要數據的有限，這時的選取也非常重要。若太小則坐標間的相不易披露。而過大，會導致描述的動力系統....

圖2.2小波-LSSVM預測模型結構圖

延遲時間間隔為時，時間序列變幻后得到的一部分矩陣如圖2.1所示。圖2.1矩陣示意圖2.2基于相空間重構理論的小波-LSSVM粉鐵礦價格預測框架本文提出的小波-LSSVM粉鐵礦價格預測模型如圖2.2所示。圖2.2小波-LSSVM預測模型結構圖

圖2.3小波-LSSVM模型預測流程圖

2基于相空間重構理論的小波-LSSVM粉鐵礦價格預測模型架構采取將LSSVM模型參數和相空間重構參數聯合優化的方式確定參數，并以此參數，對經過上述步驟處理后的小波各頻帶信號針對性地建立LSSVM模型。（7）價格預測將最終得到的小波各頻帶的預測結果進行加總，最后得到最終....

圖3.1小波分解示意圖

由此可推出以下函數族，其表達式如式（3.22）所示。（3.22）是空間的標準正交基。而且對于定義中的條件（5），有以下定理。定義3.3將會有，可以令作為的一個規范正交基，且具有以下性質。（1）尺度函數滿足。（2）尺度函數滿足能量歸一條件。（3）尺度函數具有正交性....

本文編號：4052966