本研究的动机是将两种新颖的模型应用于原油指数的预测。 第一个模型是通用的深度信任网络,第二个模型是自适应神经模糊推理系统。 此外,我们必须强调本文的第二个贡献,即使用大量输入,包括混合输入和自回归输入。 过去,这两种提议的方法已用于不同的问题,例如面部识别,染色体异常蚀刻的预测,提供比平常更高的输出。 为了进行比较,将模型的预测统计和经验准确性与传统策略(例如朴素策略,移动平均收敛散度模型和自回归移动平均模型)进行基准比较。 事实证明,所提出的新技术产生的统计和经验结果都优于其他线性模型。 最后,此类研究工作在预测石油市场方面带来了如此出色的成果。
