基于非结构化数据的LLE-WOA-LSSVR碳价格组合预测模型

摘要：

在传统的组合预测模型中,利用的数据大多为结构化数据,然而在网络环境下,非结构化数据广泛存在,因此充分利用非结构化数据所提供的有效信息是预测中要解决的关键问题之一.针对上述问题,文章构建了基于非结构化数据的局部线性嵌入和鲸鱼优化算法的最小二乘支持向量回归(locally linear embedding-whale optimization algorithm-least squares support vector regression,LLE-WOA-LSSVR)碳价格组合预测模型,通过LLE算法对非结构化的高维数据进行降维处理,并利用LSSVR进行预测.考虑到LSSVR模型中参数的选取会对预测结果产生影响,引入WOA算法优化模型中的参数.碳价格预测的实例结果表明,LLE-WOA-LSSVR预测模型可行且有效.

关键词：非结构化数据、局部线性嵌入(LLE)算法、最小二乘支持向量回归(LSSVR)、鲸鱼优化算法(WOA)、组合预测

所属期刊栏目：45

分类号：X196

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：570-576