融合XGBoost与图卷积网络的煤炭价格预测研究
邵枫1
冯雨2
鲁义广1
耿国强3
邵虎4
1.中国矿业大学数学学院,江苏徐州 2211162.中国煤炭运销协会,北京 1000133.中国煤炭市场网,北京 1000704.中国矿业大学数学学院,江苏徐州 221116;江苏省应用数学(中国矿业大学)中心,江苏徐州 221116
摘要：煤炭作为全球能源结构的关键支柱,其价格波动对经济、能源市场、环境政策及工业生产成本具有广泛影响,因而准确预测煤炭价格对于维护能源市场的稳定性、有效控制成本以及管理风险具有至关重要的作用.提出一个深度学习模型(XGBGCN)来解决煤炭价格预测问题.该模型融合XGBoost算法,用于分析影响煤炭价格的关键特征,同时结合图卷积网络(GCN)模型,利用这些关键特征进行煤炭价格的预测.XGBoost模型能够有效地从大量与煤炭价格相关的因素中提取出关键特征,从而降低模型的复杂性,并提高预测精度.具体而言,XGBGCN模型首先利用XGBoost算法来寻找与煤炭价格相关性大的特征,该特征包括用电量、其他地区煤炭价格等.利用选择的特征构建煤炭价格关联图,并结合特征矩阵,作为GCN模型的输入,进行煤炭价格预测.此外,在真实煤炭价格及其影响因素数据集上对煤炭价格进行预测,结果表明,与一些现有模型相比,所提出的XGBGCN模型,能够较为准确的预测煤炭价格.
关键词：煤炭价格预测特征选择XGBoost图卷积网络
分类号：F416.21(世界工业经济)
资助基金：国家自然科学基金(72471227)国家自然科学基金(72071202)
论文发表日期：2025-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 39-46 )
英文信息