基于LSTM深度学习模型的羽绒材料价格预测研究

摘要：

为解决目前羽毛绒材料定价主要依据经验而缺乏理论支撑和预测精度较低的问题,本文提出利用长短期记忆网络(LSTM)深度学习方法对羽毛绒材料价格进行自定义研究,以2015年-2020年6年的羽绒金网数据为依据,对其构建模型进行训练求解,幵与线性自回归移动平均(ARIMA)数理统计模型和最小二乘支持向量机(LS-SVM)浅层机器学习模型预测效果进行对比分析.结果表明:在长期预测中,预测精度从高到低依次为ARIMA模型、LS-SVM模型、LSTM深度学习预测模型;在短期预测中,预测精度从高到低依次为LSTM深度学习预测模型、LS-SVM模型、ARIMA模型.同时还发现:无论长期短期预测中,不同种类的羽毛绒价格预测精度趋势相同,即预测精度仅与资本属性有关,与资本所述类别无关.研究结论既可为羽毛绒企业进行羽毛绒材料准确定价提供理论依据,也为人工智能技术广泛应用于量化投资领域提供实践经验.

关键词：羽毛绒材料、羽绒金网、深度学习、定价模型、预测评测

所属期刊栏目：35

分类号：TP391.9(计算技术、计算机技术)

资助基金：安徽省纺织工程技术研究中心;纺织面料安徽省高校重点实验室联合开放基金项目;安徽工程大学校级科研项目;应急管理部重点实验室开放课题项目;省级大学生创新创业训练计划项目;安徽省高等学校自然科学研究项目;安徽工程大学校大学生科研项目;安徽工程大学-鸠江区产业协同创新专项基金项目

在线出版日期：2022-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-58