通过集成多场景双向门限循环神经网络提高多步布伦油价预测
机器学习
2024-07-17 v1
摘要
尽管众多研究努力应用于深度学习处理时间序列预测，但在对像原油价格这样的波动时间序列实现高精度多步预测仍然是一项重大挑战。此外，大多数现有方法主要关注单步预测，其性能往往取决于数据集和具体案例研究。在本文中，我们引入一种集成模型来捕捉布伦油价波动并增强多步预测。我们的 methodology 采用两种方法。首先，我们评估了流行的深度学习模型以及各种外部因素对预测精度的影响。然后，我们提出一种用于布伦油价的集成多步预测模型。我们的做法通过在三个 BI-GRU 网络上使用集成技术在多个预测情景中生成准确预测。对包含新冠疫情期间数据的实验表明，该数据对能源市场产生了重大影响。对所提出模型的性能使用 MAE、MSE 和 RMSE 等标准评估指标进行评估。结果表明，所提出模型在基准模型和已建立模型方面性能优越。
关键词
引用
@article{arxiv.2407.11267,
title = {Enhancing Multi-Step Brent Oil Price Forecasting with Ensemble Multi-Scenario Bi-GRU Networks},
author = {Mohammed Alruqimi and Luca Di Persio},
journal= {arXiv preprint arXiv:2407.11267},
year = {2024}
}