油价变动的预测方法_油价调整预估

建议用BP神经网络，并且结合主成分分析法。

一些常用的方法，比如多元回归和时间序列方法构建价格预测模型，是一种典型的线性预测模型，能够预测价格变化的线性关系，对中长期预测具有一定的局限性。

神经网络是一种智能预测方法，需要对对象建立准确的数学模型，能够准确描述对象的特征，具有学习能力强、并行处理等特点，在复杂系统等领域的建模中得到了广泛的应用，也为石油价格预测提供了思路。但是由于影响石油价格的因子比较多，且数据中含有噪声，直接用神经网络学习收敛速度慢，且预测精度低，因此需要对石油价格影响因子预处理。针对石油价格变化的特点，提出一种基于主成分分析和BP神经网络的石油价格预测模型。该模型用定性分析选择出影响因子，再利用主成分分析方法对石油价格影响因子进行筛选，选取最主要的几个影响因素，最后通过神经网络能够逼近非线性连续函数的能力对石油价格进行预测，从而实现了石油价格的准确预测。

价格的预测过程

BP神经网络的预测过程如下：

1、收集石油价格以及影响因子，并获取相关数据。

2、对石油价格影响因子进行主成分分析，并筛选出贡献率大的主成分。

3、将石油价格数据分为训练样本和预测样本。

4、用BP神经网络对训练样本进行训练，并找出模型的最优参数。

5、利用最有参数建立BP神经网络预测模型，对预测样本进行预测。