一种基于深度学习与多特征融合的原油价格预测方案

针对国际原油价格的复杂特征，本发明提出了一种混合预测模型以提高原油收盘价的预测精度。首先，通过主成分分析(PCA)降维处理历史数据及其影响因素，减少多重共线性问题。同时，引入新闻文本情感分析捕捉市场情绪的影响。接着，利用鲸鱼优化算法(WOA)优化变分模态分解(VMD)中的模态数量和惩罚因子，分解得到多个子序列，并通过样本熵(SE)重构为波动项和趋势项。对于LSTM和GRU的关键参数，采用贝叶斯优化(BO)算法进行迭代优化。最终，针对波动项采用LSTM模型预测，趋势项采用GRU模型预测，将各子序列的预测值叠加得到最终结果。实验结果表明，该模型在测试集上的RMSE、MAE、MAP、R^2分别为0.792、0.769、0.860、0.966，均优于其他对比模型，验证了其有效性。