基于滑动时间窗和组合模型结合的中国LNG现货价格预测方法.pdfVIP

天然气工业第45卷第3期

·170·NaturalGasIndustry2025年3月

引文：孙仁金,邓钰暄,李慧慧,等.基于滑动时间窗和组合模型结合的中国LNG现货价格预测方法[J].天然气工业,2025,45(3):170-178.

SUNRenjin,DENGYuxuan,LIHuihui,etal.ApredictionmethodofChinasLNGspotpricebasedonslidingtimewindowand

combinationmodel[J].NaturalGasIndustry,2025,45(3):170-178.

基于滑动时间窗和组合模型结合的中国LNG现货价格

预测方法

孙仁金邓钰暄李慧慧刘子越

中国石油大学（北京）经济管理学院

摘要：近年来，中国液化天然气（LNG）的生产量和进口量持续攀升，成为最重要的天然气供给来源之一。由于LNG供给灵活、市

场参与主体众多、在产业链中市场化程度相对较高，科学准确预测LNG现货价格能够为市场参与者提供决策参考，降低市场风险。

为此，建立了基于滑动时间窗以及二次分解思想的变分模态分解（VMD）—自适应噪声完全集合经验模态分解（CEEMDAN）—极

限学习机模型（ELM）有机组合预测模型，并以内蒙古自治区的LNG价格数据为例进行实证分析。研究结果表明：①采用滑动时间

窗可以有效提取LNG价格序列中用于分析建模的部分，将训练集数据进行分解、建模以及预测等环节，避免了待预测的LNG价格

数据混入其中；同时可以在建模预测步骤完成后，舍弃最旧日期的LNG价格，将新一期的价格数据纳入其中，随时间推移有效把握

数据规律，实现了模型的动态更新。②利用VMD对LNG价格进行初次分解，再通过CEEMDAN对VMD的残差序列展开二次分解，

可以充分提取LNG价格的数据信息，以提高预测精度。③将二次模态分解LNG价格得到的分量模态序列分别带入ELM模型中预测，

再将各价格分量预测结果加和集成得到LNG价格预测结果，可以显著提升价格预测的准确度。结论认为，该模型可以更好提取序列

时频信息，有效规避了数据泄露问题，充分利用残差数据，显著提高了预测精度，是LNG现货价格预测的可行方法与有效手段。

关键词：滑动时间窗；机器学习；二次分解；LNG；价格预测

中图分类号：TE-9文献标识码：ADOI:10.3787/j.issn.1000-0976.2025.03.015

ApredictionmethodofChinasLNGspotpricebasedonslidingtimewindowand

combinationmodel

SUNRenjin,DENGYuxuan,LIHuihui,LIUZiyue

(SchoolofEconomicsandManagement,ChinaUniversityofPetroleum,Beijing102249,China)

NaturalGasIndustry,Vol.45,No.3,p.-,3/25/2025.(ISSN1000-0976;InChinese)

170178

Abstract:Inrecentyears,thecontinuousrisingproductionandimportvolu