.png){kind=icon}
返回
Machine learning lumber price forecasts
.png){kind=icon}
PRE
AI
DOI：10.1142/S2424786326500039.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
初级农产品价格预测对大多数市场参与者而言长期以来一直具有重要意义。为解决该问题，本研究考察了每日发布的价格。分析样本跨越一个半世纪，从2014年1月2日至2024年4月30日。所研究的价格序列对商业行业产生重大影响。具体而言，本研究采用贝叶斯优化方法和交叉验证程序，针对此特定案例开发高斯过程回归模型。这种情况因此催生了价格预测技术。我们利用实证预测方法，为从2022年4月15日至2024年4月30日的样本外评估期提供合理准确的价格估计。研究发现，木材价格的相对均方根误差为3.3216%。鉴于价格预测模型的存在，政府和投资者可利用所需数据，就木材市场做出明智的决策。
Keyword:
Lumber price
time-series prediction
Gaussian process regression
Bayesian optimization
cross validation
期刊
I
IF:
0.6
论文数:
40
被引数:
0