مدل پیش بینی بازار انرژی توسط حافظه کوتاه مدت بلند مدت با سیستم تصادفی و ارزیابی پیچیدگی

به دلیل نوسان مکرر و خشن قیمت های آتی انرژی ، ریسک سرمایه گذاری سرمایه گذاران انرژی افزایش می یابد. پیش بینی قیمت های آتی انرژی به تدریج در کانون تحقیقات قرار گرفته است. با این حال ، مدل پیش بینی سنتی فقط پیش بینی را بر اساس داده های تاریخی و بدون در نظر گرفتن رفتار بازار انجام می دهد ، و در نتیجه صحت ضعیف حاصل می شود. در این مقاله ، عملکرد مؤثر زمان تصادفی که به موقع داده های تاریخی و تغییر تصادفی محیط بازار در نظر گرفته شده است ، برای ایجاد یک مدل پیش بینی جدید از مدل حافظه کوتاه مدت استفاده می شود که توسط حافظه کوتاه مدت طولانی با زمان تصادفی مشخص می شود. مدل عملکرد مؤثر (LSTMRT). مدل LSTM دارای ویژگی های حافظه انتخابی و نفوذ داخلی سری های زمانی است که برای پیش بینی سری های زمانی قیمت بسیار مناسب است. عملکرد مؤثر در زمان تصادفی می تواند وزن های متفاوتی به داده های تاریخی بدهد. علاوه بر این ، استفاده از آنتروپی نمونه ای متقابل چند مقیاس (MCSE) به عنوان یک روش ابتکاری برای آشکار کردن عملکرد پیش بینی. سرانجام ، در مقایسه با سایر مدلهای انتخاب شده در این مقاله ، از ارزیابی خطا و مقایسه آماری برای نشان دادن مزایا و برتری مدل پیشنهادی استفاده شده است. مدل LSTMRT دارای تأثیر حرکت تصادفی است و نوسانات روند داده های غیرخطی اصلی را حفظ می کند ، که این پیش بینی را دقیق تر و معتبرتر می کند.