典型文献
基于多源信息融合的碳价格预测模型
文献摘要：
搜索引擎为大数据时代的时间序列预测提供了多源信息.传统的预测方法通常仅基于历史交易数据或影响因素,没有同时考虑多源信息的特点.因此,本论文为提高预测精度,充分利用各种类型的数据信息,筛选9个能够反映民众关注热度的关键词,并降维处理,结合历史交易信息,分别构建带有不同输入层的LSTM和LSSVM预测模型.本文以碳价格预测为例,结果表明,同时考虑关注热度和历史交易信息的LSSVM模型在预测精度和稳定性方面表现突出.
文献关键词：
多源信息;碳价格;时间序列预测;LSSVM模型
中图分类号：
作者姓名：
郑一鸣;连子炎;兰子梦
作者机构：
安徽大学互联网学院,合肥230039
文献出处：
引用格式：
[1]郑一鸣;连子炎;兰子梦-.基于多源信息融合的碳价格预测模型)[J].价值工程,2022(28):94-96
A类：
B类：
多源信息融合,碳价格预测,搜索引擎,时间序列预测,交易数据,本论,各种类型,热度,降维处理,输入层,LSSVM
AB值：
0.219255
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
