基于VAR模型的我国动力煤价格影响因素实证研究

动力煤是我国煤炭的主体,其价格波动不仅能准确反映煤炭价格变化,而且会冲击经济增长。本文运用VAR模型、协整等计量方法研究经济增长、内部供给、对外贸易依存及替代能源价格与动力煤价格间的动态关系。结果表明四因素与煤价间存在长期协整关系;经济增长、内部供给与国际油价是动力煤价格的强格兰杰原因。短期内,国际油价冲击大于经济增长及内部供给对煤价的影响,而对外贸易依存的冲击最小;长期看,经济增长对动力煤价格的冲击日益增加,国际油价与内部供给的冲击在迅速达到峰值后缓慢下降,对外贸易依存的冲击增长非常缓慢。因此抑制动力煤价格的剧烈波动一方面应该通过转变经济增长方式,淘汰落后产能,转变产业结构,另一方面应加大动力煤进口规模,减缓国内资源消耗速度,利用倒逼机制促进国内动力煤产业健康发展。     

基于组合模型的矿山设备产量预测研究

鉴于矿山设备产量具有灰色和不确定性的特征,本文利用矿山设备产量的历史数据,建立了基于灰色和BP神经网络的组合预测模型。组合预测模型中各单一模型的权系数通过熵值法确定,克服了传统权系数确定方法的主观性,使得组合预测方法更具客观性最后,实例验证了所构建的组合模型较传统的单一预测模型有良好的预测效果。     

基于AGB组合模型的采煤机运行状态预测方法研究

针对单-预测模型用于预测采煤机运行状态预测精度差、适用性差的问题,深入研究了时间序列ARIMA预测模型、灰色GM(1,1)模型以及BP神经网络预测模型的结构原理,提出了一种基于AGB组合模型的采煤机运行状态预测方法。该方法首先获得各模型的预测结果,并对各模型计算出的方差作为AGB组合模型的输入,使用方差-协方差权重法对各模型的权重进行计算,最后对组合模型的预测结果进行求解分析。实验结果表明,基于AGB组合模型的预测方法对于采煤机运行状态的预测结果残差方差为0.001 3,平均相对误差为2.81%,均低于单-模型预测结果。     

基于组合模型的中国氢气产量动态预测

基于灰色GM(0,N)模型、BP神经网络、偏最小二乘法回归,采用方差倒数法建立产量动态预测组合模型,以2012—2021年样本期间,动态预测2022—2025年氢气产量,结果表明组合模型2012—2021年的平均相对误差0.91%,2022—2025年的平均相对误差1.84%,均低于单项模型平均相对误差,验证了组合模型的有效性和准确性,为氢气产量预测提供借鉴和参考。受工艺技术复杂和高成本的影响,我国氢气产量整体增幅较缓慢,建议从降低氢气制储运加成本、推动氢气规模化应用和加大氢能技术创新力度方面助力氢能产业高质量发展。     

动力煤价格灰色关联分析与预测研究

煤炭价格波动受多种因素影响。以秦皇岛港动力煤现货价格为例,利用灰色关联分析法,建立动力煤价格与港口库存、进口煤价格、BJ 指数、海运费、全国重点电厂存煤可用天数关联分析模型,识别动力煤价格主要关联因素,同时利用多元回归模型对动力煤现货价格进行预测。     

基于时间序列模型的铀矿价格分析与预测

铀矿价格是其投资风险中最重要的不确定性因素,其价格预测的准确与否直接关系到企业投资的成败。根据1989-2009年铀矿价格数据,利用MATLAB数值分析软件建立时间序列模型,通过ES模型和DMA模型的预测数据与实际数据的比较,论证分析几种铀矿价格预测模型的科学性和实用性。结果表明：①平滑系数越大,标准误差越小;②4种不同方法中,三次指数平滑预测法效果最好,其模型计算结果与实际值基本一致;③在仅考虑价格时间序列本身因素的条件下,铀矿价格呈现逐渐增长的长期发展趋势。     

基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。     

基于SVR组合模型的边坡位移预测研究

为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。     

基于最优加权组合模型的煤炭消费结构预测

为了研究全国以及火电、 冶金、 建材和化工行业煤炭消费量,基于无偏灰色(GM)、差分自回归移动平均(ARIMA)、逻辑斯蒂(LOGISTIC)和人工神经网络(ANN)模型,分别构建了各行业组合预测模型,并运用相关系数、平均绝对误差、平均相对误差和均方根误差评价指标检验组合模型拟合精度,筛选出各行业最优组合模型并预测20...     

基于VMD-BiLSTM组合模型的矿井涌水量时间序列预测方法研究

矿井涌水量的精准预测对确保煤矿安全生产和保护地下水环境具有重要作用。为提高矿井涌水量时间序列预测精度,构建了一种基于变分模态分解（VMD）与引入贝叶斯算法优化双向长短期记忆网络（BiLSTM）的矿井涌水量组合预测模型。首先,利用VMD将矿井涌水量时序数据分解为多个子序列,然后将分解所得各子序列分别输入到BiLSTM模型中,引入贝叶斯算法优化各模型的超参数,最后,将各子序列的预测结果进行叠加求和得到最终预测值,并与其他模型的预测结果进行对比分析。结果表明,本模型在单步预测中优势较为明显,在多步预测中的表现也相当不俗,预测精度可以达到生产需求,验证了该模型在矿井涌水量时序预测方面的有效性和适用性。     

基于BP神经网络的动力煤质量评价

介绍了基于BP神经网络的动力煤质量评价方法,阐述了基本原理和算法步骤。利用BP算法对训练样本进行学习,确定评价模型,进而利用训练好的网络对评价样本进行评价,并与模糊评判结果对比,得出了评价结果。     

基于SA-WNN模型的油价预测研究

原油价格不仅受到传统供需面因素的影响,在短期内更容易受到战争、金融危机、自然灾害、政治事件等非常规性因素的影响。为了更加准确地刻画国际油价走势,完善油价预测理论体系,论文首先运用情感分析（SA）方法对反映非常规影响因素的文本数据进行预处理,然后根据文本计算市场趋势项,再将该项作为小波神经网络(WNN)的输入数据,构建基于情感分析的小波神经网络预测模型（SA-WNN）。预测的结果显示,相对于传统BP神经网络模型和基于独立源分析的小波神经网络（ICA-WNN）模型,SA-WNN模型能够准确判断油价的方向性走势,是一种更加优秀的预测模型。     

基于组合预测方法的煤矿开采沉陷预计模型研究

文中以目前使用较为广泛的灰色系统和BP神经网络预计方法对中国神华集团榆家梁煤矿52406工作面地表沉陷进行了预测,同时建立灰色系统与BP神经网络的等权组合预测模型进行沉陷预计,并与单独的模型预测进行对比分析。结果表明:等权组合预测模型精度较高,在开采沉陷预计中具有较好的研究意义和应用价值。     

利用ARIMA模型预测我国煤油电的价格

目前,我国煤油电的价格随着市场的供需关系以及国际能源市场价格的波动而有较大的变化.根据市场价格的变化来制定企业的经营决策,是影响企业经营效益的重要因素.本文利用ARIMA模型对我国煤油电的价格趋势进行了预测,预测结果显示,我国煤油电在未来的一段时间内将出现波动,但总的趋势是上升的.     

基于ARMA-BP变异系数组合模型的矿山沉陷预计

针对单项非线性预测模型预测矿山开采地表沉陷精度低、稳定性差的问题,采用变异系数法组合互补性好的ARMA模型与BP神经网络模型,实验结果:预计值均方根误差为3. 2,平均相对误差0. 11%,结果表明组合模型在精度和稳定性方面具有较大优势。     

基于ARIMA模型的山东气煤价格研究

为了准确把握山东省气煤价格变动规律,使用时间序列模型,对CCTD中国煤炭市场网山东省气煤价格进行分析,建立了满足最小BIC准则的ARIMA(3,1,1)模型,最终将模型结果应用到2020年的价格预测中。结果表明,模型预测结果准确、可靠,能够为山东省气煤生产和经营企业及时掌握价格变动规律并做出有效决策提供帮助。此外,国内煤炭价格的预测模型多集中在环渤海动力煤价格上,也说明时间序列模型同样可以应用到焦煤价格上。     

基于ARMA模型的矿产资源资产价格走势分析

矿产资源是国防安全的基础。论文采用我国矿产资源资产价格指数构建了ARMA模型,并对我国矿产资源资产价格月度指数进行了预测及分析。结果表明,我国矿产资源资产价格月度指数序列适合于构建剔除常数项的ARMA模型,且短期预测精度较高;未来我国矿产资源资产价格存在回升空间,应把握时机控制战略性矿产资源的开采总量及开采结构,有效地保障国土资源安全。     

基于最优组合模型的煤矿百万吨死亡率预测

为有效解决常规单项预测模型组合时采用单一的加权平均系数而导致预测结果失真的缺陷,通过引入IOWHA(诱导有序加权调和平均)算子构建最优组合预测模型对我国煤矿百万吨死亡率进行预测分析,实证结果表明:该组合预测模型具有较高的拟合和预测精度,可为煤矿部门安全决策和科学规划提供一定理论依据。     

应用径向基神经网络预测矿产品价格

矿产品价格是矿业项目投资经济评价的重要参数。矿产品价格的合理确定是一个十分复杂的问题,也是涉及矿业项目投资经济评价可靠性、可行性的关键。本文首先讨论了矿产品价格的定价原理,指出其具有较强的不确定性和时序性,在此基础上,建立了基于径向基神经网络(RBF)的矿产品价格非线性预测模型,由3层前向神经网络组成,并以高斯函数作为基函数,该模型具有结构自适应、易于收敛和外推能力强等优点。应用建立的预测模型时某金属的中长期价格进行仿真,结果表明具有较好的可靠性和实用性。