基于GOA-AE-LSTM-Attention组合的煤价预测
王琦1
郑晓亮2
1.安徽理工大学安全科学与工程学院,安徽淮南 2320012.安徽理工大学公共安全与应急管理学院,合肥 231100
摘要：动力煤价格作为能源市场的重要经济指标,其波动性对宏观经济、能源结构调控及相关产业链条均会产生深远影响.针对煤价走势中对历史依赖、关键时点与动态变化考虑不足等问题,作者提出一种鹅优化算法-自编码器-长短期记忆网络-高效加法注意力机制(GOA-AE-LSTM-Attention)的组合预测模型.该模型以历史煤价数据为输入,通过自编码器提取潜在时序特征,LSTM捕捉其长期依赖关系,并引入注意力机制以增强模型对关键时点的特征感知能力;同时,利用GOA优化模型超参数,提高预测性能.实验选取河北省曹妃甸港口、安徽省淮南市及内蒙古自治区包头市的煤价数据进行跨区域测试,验证模型的泛化能力.结果表明,所提出的GOA-AE-LSTM-Attention组合预测模型在上述3个地区均展现出良好的预测精度和稳健性,相较其他模型具有更好的适应性和推广价值.
关键词：动力煤煤价预测自编码器高效加法注意力机制
分类号：F426.21(中国工业经济)F764.1(商品学)
资助基金：国家电网安徽公司重点项目(52120023001Q)煤炭安全精准开采国家地方联合工程研究中心开放基金(EC2024010)
论文发表日期：2025-11-20
在线出版日期：2025-12-03（本平台首次上网日期，不代表文献的发表时间）
页数：9( 65-73 )
英文信息