基于LSTM神经网络模型分析预测钢材价格.pdfVIP

-34-学技术创新2024.15

基于LSTM神经网络模型分析预测钢材价格

李田田，胡伟，余俊锋

（安徽数智建造研究院有限公司，安徽合肥）

摘要：钢价时间序列具有明显的长短记忆特征，故以施工企业安徽省的项目部实际购规格型号为

HRB400E渍16螺纹钢的金额为例，科学合理的运用LSTM模型对其建模，并与传统的ARIMA模型进行对比，结

果表明LSTM模型的预测相对误差为0.03，比ARIMA模型预测精度更好，适合用来预测建钢材价格。

关键词：钢材价格预测；时间序列；LSTM模型；ARIMA模型；长短时记忆性

图分类号TU17文献标识码A文章编号2096-4390渊2024冤15-0034-04

引言够处理传统RNN的梯度消失问题。门结构中包含

自2022年年底，钢铁企业的长期贷款明显增多，sigmoid激活函数，将输入值映射到[0，1]，来控制信息

随着疫情形势改善，企业复工复产的步伐加快，预计的流动。这些“门”提取出序列