基于CEEMD-ELM-ARIMA的天然气价格预测模型研究

• 作者: 张金良 刘子毅 王明雪
• 来源期刊: 天然气与石油
• 关键词: 天然气价格预测 极限学习机 互补集成经验模态分解 混合模型 信号处理
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 技术经济|TECHNICAL ECONOMY
• 页码范围: 129-136
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-5539.2021.04.022

摘要

天然气作为清洁能源,近年成为各国常用能源之一.天然气价格是天然气企业进行重大经营决策以及运营计划的重要影响因素,准确预测天然气价格对天然气产业具有重大意义.首先采用互补集成经验模态分解( Complementary Ensemble Empirical Mode Decomposition,CEEMD)对天然气价格进行分解;其次利用极限学习机( Extreme Learning Machine,ELM)预测高频分量,差分整合移动自回归平均模型( Autoregressive Integrated Moving Average model,ARIMA)预测低频分量;最后各分量预测结果总和即为最终预测结果.用美国Henry Hub交易中心公布的数据进行预测,并与其他模型进行比较,算例结果表明CEEMD-ELM-ARIMA预测模型的预测精度更高.