1、石油，不僅與我們的生活息息相關(guān)，還與國家發(fā)展和世界經(jīng)濟緊密相連。如果能夠準確的把握石油價格的波動方向，則可以幫助國家和企業(yè)制定更好的政策和決策。因此，對油價的準確預測顯得尤為重要。本文為了提高現(xiàn)有模型對國際油價的預測精度，對現(xiàn)有的時序預測相關(guān)方法進行了改進與創(chuàng)新，具體工作如下:
　　(1)基于Grid-GA優(yōu)化的LSSVR油價預測模型構(gòu)建。
　　本文通過混合網(wǎng)格搜索法Grid和遺傳算法GA提出了一個新的混合尋優(yōu)算法Grid-

2、GA優(yōu)化LSSVR的參數(shù)，從而構(gòu)建了基于Grid-GA優(yōu)化的LSSVR油價預測模型。通過與ANN、ARIMA等算法的預測結(jié)果進行對比，證明了該算法顯著提升了LSSVR的預測性能、穩(wěn)定性和泛化能力。
　　(2)基于EEMD和EELM的油價預測模型構(gòu)建。
　　本文首次將擴展極致學習機EELM和集成經(jīng)驗模態(tài)分解模型EEMD在“分解集成”方法論的框架下進行混合，構(gòu)建了基于EEMD和EELM的分解集成模型。通過與其他分解集成模型進行對

3、比研究，發(fā)現(xiàn)該模型顯著不僅加快了分解集成模型的運行速度和還提高了預測性能。
　　(3)基于EEMD優(yōu)化的油價預測分解集成模型構(gòu)建。
　　為了通過優(yōu)化集成經(jīng)驗模態(tài)分解EEMD的參數(shù)來提升EEMD的分解效果，本文提出了一個新方案和多尺度數(shù)據(jù)復雜性檢驗方法來優(yōu)化EEMD的參數(shù)，并構(gòu)建了基于EEMD優(yōu)化的油價預測分解集成模型。研究結(jié)果證明該方法能夠使EEMD能夠適用于各種不同復雜程度的時間序列，并且有效提升分解集成模型的預測精度和泛