Geosci. Front. | 一种用于自然资源价格预测的新型混频深度学习模型：以铜期货价格为例
Geoscience Frontiers
2026-01-13 07:00
文章摘要
本文研究背景为铜作为重要战略性自然资源，其期货价格受多重因素影响，呈现高度非线性和复杂波动特征，而现有同频预测研究存在局限。研究目的是构建一种新型PSO-LSTM-MIDAS混频深度学习模型，以验证利用高频影响因素能否显著提升铜期货价格预测性能。研究结论表明，混频预测模型整体优于同频模型，所提模型在多项误差指标和多步预测中均表现最优且稳健，为自然资源价格预测及混频数据在相关领域的应用提供了新思路。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Localized and Transient Oxygenation of Shallow Oceans of Southwestern Laurentia at the Ediacaran–Cambrian Boundary
DOI: 10.1111/gbi.70039
Pub Date : 2025-12-30
Physics-guided deep learning for global sea surface temperature forecasting: Balancing accuracy and stability across timescales
DOI: 10.1016/j.gsf.2026.102255
Pub Date : 2026-01-17
Editorial Board
DOI: 10.1016/S0169-1317(26)00020-7
Pub Date : 2026-01-22
Geoscience Frontiers
Geosci. Front. | 基于钻孔与CPT数据融合的精细土壤分层反分析方案.
2026-01-22
最新文章
京公网安备 11010802042870号
