基于SCA优化神经网络与时间特征分析的原油价格预测研究

《Scientific Reports》：An interpretable SCA-ANN framework for WTI crude oil price forecasting

　　

摘要

霍尔木兹海峡作为关键的石油运输枢纽，近期发生的冲突，加上市场固有的不稳定性和关键影响因素之间复杂、非线性的相互作用，使得准确的原油价格预测成为一个艰巨的挑战。传统统计方法往往难以捕捉这些动态变化，凸显了需要创新的数据驱动方法。本研究提出了一种稳健的预测模型，结合通过正弦 - 余弦算法（SCA）优化增强的人工神经网络（ANN），该模型通过采用正弦和余弦函数引导解搜索过程，提高了 ANN 识别最优权重配置的能力。基于时间特征的包含情况，探索了三种模型变体：完整的时间数据、单一时间索引以及排除所有时间输入。跨训练集和测试集的定量评估表明，方法 2（时间索引）提供了最佳的总体预测性能，在测试集上实现了最低的 RMSE = 2.532、最低的 MAE = 2.025 和最高的 R2 = 0.984，优于朴素持续性模型、标准 ANN、LSTM 以及两种替代的 SCA-ANN 时间编码。应用于方法 2 的 SHAP 可解释性分析表明，时间索引是单一最具影响力的特征，其次是 21 天移动平均、14 天移动平均和 7 天移动平均，为模型行为提供了透明且符合物理一致性的解释。