基于XGBoost和TCN-Attention的棉花价格多影响因素选择及预测
棉花价格受多种因素影响而复杂多变,通过选择合适的数据特征和预测模型可提高棉花价格预测精度.本文以棉花日现货价格数据为研究目标,采集了供需关系、国际市场、宏观经济、产业链这4个方面的9项影响因素作为特征,使用极限梯度提升(XGBoost)算法对棉花价格影响因素进行特征评估筛选,选取其中5项特征后,采用引入注意力机制(Attention)的时间卷积网络(TCN)TCN-Attention、TCN、LSTM、GRU等模型对棉花价格进行预测.通过消融实验和对比实验,结果表明:(1)经过XGBoost特征筛选后,TCN-Attention价格预测的平均绝对误差(MAE)和均方根误差(RMSE)为41.47和58.76,与未筛选相比分别降低了 77.57%和76.49%.(2)与TCN、LSTM、GRU相比,本文提出的TCN-Attention模型预测结果更准确,MAE和RMSE均降低50%以上,运行时间较 LSTM、GRU 缩短 60%.
价格预测、XGBoost、TCN、Attention、消融实验
32
TP391.9;F560.84;TM912
国家重点研发计划2019YFB1405003
2023-10-25(万方平台首次上网日期,不代表论文的发表时间)
共12页
10-21