【技术实现步骤摘要】
一种基于知识图谱与滞后效应的纺织原料价格预测方法
[0001]本专利技术涉及纺织原料价格预测
,具体为一种基于知识图谱与滞后效应的纺织原料价格预测方法。
技术介绍
[0002]纺织原料指的是一切用于纺纱的天然或化学纤维。天然纤维主要为棉、麻、丝、毛。化学纤维包含粘胶纤维、醋酯纤维、涤纶、锦纶、晴纶、维纶、丙纶、氯纶等。上游产品受供需因素影响大,且都属于周期性行业,如果主要原材料棉花和化学纤维价格出现大幅波动,将直接导致纺织原料产品成本出现波动,并进而影响企业的盈利能力。
技术实现思路
[0003]本专利技术的目的在于提供一种基于知识图谱与滞后效应的纺织原料价格预测方法,其基于上游产品价格变化联动效应和时间上的滞后效应分析,再采用LSTM模型,来实现未来原材料价格走势预测,为企业对应市场变化或风险,提供参考依据,以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的,本专利技术提供如下技术方案:
[0005]一种基于知识图谱与滞后效应的纺织原料价格预测方法,包括以下步骤:
[0006]S1:构建纺织行业上游产品图谱,采用有向无权图G(V,E)的形式,图网络结构的计算单元为GN模块,以图为输入,在GN模块内执行计算,并返回一个图作为输出;
[0007]S2:定义输入层:输入层负责对节点输入的节点属性、边属性、全局属性进行相应的处理,满足网络输入的要求;
[0008]S3:数据准备:上游产品节点价格、产量、库存相关的历史数据;
[0009]S4:节 ...
【技术保护点】
【技术特征摘要】
1.一种基于知识图谱与滞后效应的纺织原料价格预测方法,其特征在于,包括以下步骤:S1:构建纺织行业上游产品图谱,采用有向无权图G(V,E)的形式,图网络结构的计算单元为GN模块,以图为输入,在GN模块内执行计算,并返回一个图作为输出;S2:定义输入层:输入层负责对节点输入的节点属性、边属性、全局属性进行相应的处理,满足网络输入的要求;S3:数据准备:上游产品节点价格、产量、库存相关的历史数据;S4:节点优化:基于S2探索所有路径上节点与目标节点的关系,包括价格相关性分析、计算相关系数R值,取值范围为[
‑
1,1],绝对值越接近1,相关性越强,绝对值越接近0,相关性越弱,或利用曲线图直观表现,设置R值阈,删除与目标节点无关的节点,保留关键重要节点;S5:滞后效应分析:基于S3图谱路径探索各节点对目标节点的滞后影响分析,探索滞后时长,短期0
‑
14天,中期15
‑
30,长期31
‑
60天;S6:定义LSTM模型结构:采用四层LSTM网络堆叠设计,LSTM模块的层数越多,训练的时候就难收敛,Sequential用于初始化神经网络,LSTM用于添加长短期隐藏层,Dropout用于添加防止过拟合的dropout层,Dense用于添加全连接的神经网络层,最后加一层普通的神经网路层用于输出结果的降维;S7:选取特征向量:根据路径的相应节点信息,包括节点属性、边属性进行编码,生成特征向量,满足LSTM网络输入的要求,对数据进行归一化处理,并基于S5分析结果,将其节点信息选择前n天数据纳入;S8:模型训练:基于S6
‑
S7,采用LSTM模型作为更新函数,U
t
、U
hidt
、E
t
、E
hidt
经过LSTM计算得到的输出值与V
t
、V
hidt
共同作为节点属性更新的输入值,与t+1时刻的V
t+1
、V
hidt+1
作为最终目标变量,进行训练模型,其中,更新函数LSTM1、LSTM2、LSTM3分别进行单独训练,均选取MAE作为训练目标函数,Adam作为优化函数,训练完成后,将测试数据作为输入,输出值即为现货价格的预测值。2.如权利要求1所述的一种基于知识图谱与滞后效应的纺织原料价格预测方法,其特征在于:S1中GN模块计算公式如下:v
i
表示节点,e
k
表示节点之间相连的边,u表示全局属性;s
k
和r
k
分别表示边e
k
的发送节点和接收节点;完...
【专利技术属性】
技术研发人员:董菲,于溦,吴声剑,
申请(专利权)人:南京致景信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。