基于数据挖掘技术的天然气价格预测方法研究

天然气价格是影响天然气企业经营决策与运营效益的重要因素,在此背景下,如何准确地预测未来天然气价格自然成为产业界关注的热点话题。此外,在数据挖掘技术快速发展的时代,如何将该技术应用于传统的天然气行业,融入天然气价格的预测当中,也是学术界所探讨的重要话题。基于此,本文首先回顾了以往天然气价格预测方法,然后以传统数据挖掘技术中的模式序列相似性搜索方法(PSS)为基础,通过对该方法中历史序列搜索匹配机制及结果处理机制的改进,提出了一种新的改进模式序列相似性搜索(APSS)天然气价格预测方法。在方法构建之后,采用美国天然气日度现货价格数据对该方法的有效性进行了实验验证。实验结果表明,本文提出的基于数据挖掘技术的APSS方法能够实现对天然气价格的合理预测,且与传统的PSS方法相比,APSS方法的预测结果具有更高的预测精度。     

基于BPNN与ANFIS的铀矿产品价格时间序列预测比较研究

矿业项目投资决策系统涉及到矿产品价格、生产成本、市场需求及风险利率水平等主要变量,其中,矿石价格起主导作用,且其波动性呈非线性特征,难以用经典的时间序列理论来预测,因而难以实现矿业投资决策系统的最优化。以铀矿资源为例,采用BP神经网络与自适应模糊推理系统（ANFIS）技术,并结合时间序列技术分别建立铀矿产品价格的BP神经网络和ANFIS时间序列模型,并对铀矿产品价格的预测进行了比较分析,研究结果表明,铀矿石价格的ANFIS时间序列比BP神经网络时间序列具有较好的预测效果。     

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。     

基于经济时间序列预测的露天矿开采境界动态优化

为获得更为优越的露天矿山境界,构建了集经济时间序列预测、矿岩时间属性赋值和动态经济指标计算为一体的境界全动态优化方法。金属价格是矿山境界优化过程中最重要的因素之一,以金属价格历史数据为平台,通过创建合适时间序列模型,对未来价格做出预测,以预测结果为基础,运用L-G图论法生成系列境界方案,根据矿山实际情况编排进度计划,实现矿岩块参数赋值,将预测结果代入到矿岩块体模型中,计算境界净现值（NPV）,经多方案比较确定最优境界。以某铜矿山为例,通过对近50 a伦敦金属交易所（LME）铜精矿季度平均结算价格分析处理,建立了自回归求和移动平均模型（ARIMA）,实现了未来15 a铜价预测,最终确定了矿山经济最优境界。建立于金属价格预测基础上的境界动态优化方法所得方案NPV更接近生产实际,其优化结果可更好为矿山设计及未来生产提供基础支撑。     

应用Mathews方法进行空场采矿法设计的经验

为澳大利亚某矿山开发了规模较大的空场回采工作面稳定性数据库 ,该数据库与开发Mathews稳定图方法的北美数据库规模相当。在所研究的矿山扩充了足够的工程实例 ,用于验证Mathews方法的两种现存修正方案预测采场帮壁稳定性的适用性。尽管稳定性分区不同 ,稳定数的计算方式也有些差异 ,两种修正方案给出的预测结果相似。总体而言 ,观测不稳定的采场帮壁都能准确地反映在两种稳定图上。但是 ,有相当比例的稳定采场被预测为不稳定 ,这一比例比使用北美数据库的情形要高得多 ,表明对这一特定的研究实例而言 ,该方法给出的预测结果更为保守。研究成果指出 ,Mathews方法的两种修正方案对于缺乏或没有收集当地经验的矿山能够近似给出初步合理的采场尺寸 ,不过建立特定矿山的稳定性分区会提高该方法的预测能力。作者收集的工程实例 ,其中包括水力半径达 5 5m的采场帮壁 ,已经与加拿大数据库合并 ,提出了一种修正的通用Mathews稳定图     

马氏链点值预测法和时序分析预测法的比较研究

近年来,基于绝对分布的马尔可夫链预测(ADMCP)方法、叠加马尔可夫链预测(SPMCP)方法和加权马尔可夫链预测(WMCP)方法在各种水文序列预测理论中得到了广泛的应用。然而,实际生活中仅仅预测出状态区间是不够的,文章给出一种基于马氏链状态预测方法的点值预测方法,并将其与普遍接受的时间序列分析预测方法进行了基于统计试验的比较分析,得出了该方法在水文序列预测中较优的结论。     

综采工作面液压支架载荷预测算法研究

液压支架载荷分析、预测技术是实现工作面围岩控制与安全、智能开采的基础。通过对液压支架的载荷数据进行分析,发现液压支架载荷数据具有较强的时间序列特征。基于统计学理论与数据挖掘方法建立了液压支架载荷的季节性差分自回归滑动平均（SARIMA）模型。SARIMA模型能够实现对一个液压支架循环作业周期内的载荷变化规律进行较好的预测,预测效果较好,但由于液压支架载荷变化受多种因素影响,仅采用SARIMA模型仍然存在一定的局限性。将工作面上覆岩层断裂失稳的力学模型、数值模拟计算模型与时间序列模型进行有效融合,可以有效提高对液压支架载荷的预测效果。     

岩层移动监测及预测研究

对黄狮涝金矿试验采场上覆岩层位移进行了现场监测，并采用灰色预测法和时间序列分析法对试验采场上覆岩层的下沉规律进行了分析与预测。这两种方法预测所得的岩层下沉值与实测值比较接近，获得了较为满意的预测结果。     

数据挖掘及其在矿业中的应用研究

介绍了数据挖掘的概念及矿业中常用的数据挖掘模型,如神经网络模型、时间序列与周期分析模型、灰色模型等等。以对在某矿业公司选厂为研究对象,应用人工神经网络模型进行选矿效果指标预测,结果表明,预测值与实际的选矿效果指标值吻合良好。     

应用Mathews方法进行空场采矿法设计的经验

为澳大利亚某矿山开发了规摸较大的空场回采工作面稳定性数据库，该数据库与开发Mathews稳定图方法的北美数据库规模相当。在所研究的矿山扩充了足够的工程实例，用于验证Mathews方法的两种现存修正方案预测采场帮壁稳定性的适用性。尽管稳定性分区不同，稳定数的计算方式也有些差异，两种修正方案给出的预测结果相似。总体而言，观测不稳定的采场帮壁都能准确地反映在两种稳定图上。但是，有相当比例的稳定采场被预测为不稳定，这一比例比使用北美数据库的情形要高得多，表明对这一特定的研究实例而言，该方法给出的预测结果更为保守。研究成果指出，Mathews方法 的两种修正方案对于缺乏或没有收集当地经验的矿山能够近似给出初步合理的采场尺寸，不过建立特定矿山的稳定性分区会提高该方法的预测能力。作者收集的工程实例，其中包括水力半径达55m的采场帮壁，已经与加拿大数据库合并，提出了一种修正的通用Mathews稳定图。     

人工神经网络方法在基坑变形预测中的应用研究

分析研究了人工神经网络方法在基坑变形预测中的建模方法,并通过实例应用,证明这种方法是切实可行的。同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较,充分证明人工神经网络方法在变形预测中的优越性。     

基于GIS与ANN的金川二矿地表移动预测

利用金川二矿区多年的GPS监测数据,探讨了GIS与人工神经网络技术相结合进行地表移动定量预测的方法和思路。借助Avenue语言,实现了在GIS平台下进行地表移动神经网络预测的整个过程,包括样本设计、网络设计与训练、网络测试与网络预测等;其中,数据处理、测试结果对比和预测结果分析由GIS软件完成,采用VB调用Matlab6.5实现Elman神经网络预测模型,并通过Avenue编程将其集成到GIS系统中。研究结果表明,利用GIS支持下的神经网络模型对地表移动进行预测,具有理论上的可行性和现实意义,说明GIS和人工神经网络技术在开采沉陷预计领域中具有广阔的应用前景。     

人工神经网络在材料研究中的应用

人工神经网络技术广泛应用于复杂系统的建模中,已成为材料科学研究中常用的建模方法;文中介绍了人工神经网络及其在材料成分配比预测、材料性能预测、工艺设计与优化、损伤预测与检测等方面的研究情况。     

螺旋分级机数学模型研究

利用多元回归分析和人工神经网络构建螺旋分级机数学模型, 预测校对分离粒度和分级精度, 并对2个模型的预测效果进行了比较。使用LM算法和遗传算法优化人工神经网络模型, 模型预测结果表明: 采用人工神经网络构建螺旋分级机数学模型比多元回归分析模型表现出更高的拟合度和更低的拟合误差。     

用人工神经网络预测煤与瓦斯突出

设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型,然后对几个实际样本进行了预测.预测结果表明：对其中两个样本的预测完全准确,另一个出现了偏差,均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4,0.577 4%和1.866 0.     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

边坡稳定分析评价的概率神经网络方法

应用基于概率神经网络的方法,建立了由８０个边坡工程实例所组成的ＡＮＮ预测知识库。并对某工程几个实际边坡段稳定性进行了预测研究,结果可行。     

分析网络参数对Modular模糊神经网络预报结果的影响

以实验数据为基础 ,分析网络参数对Modular预报 30MnSi金属塑性变形抗力预报精度的影响 ,找出最佳网络参数 ,提高预报准确性。同时指出 ,在采用模糊神经网络进行预报时 ,分析网络参数对预报精度影响的必要性     

基于信息修正GM(1,1)模型的黄金价格行情预测

为了科学预测黄金的价格行情,构建信息修正GM(1,1)模型来模拟其价格走势。首先对2011年国内黄金价格(Au9999)进行分析,选出波动较大的少量数据,再用信息修正GM(1,1)模型进行动态预测,最后将模拟结果与传统的GM(1,1)模型进行误差分析,并将预测结果与2012年1月、2月数据进行对比分析。结果表明信息修正GM(1,1)模型能减少随机扰动和驱动因素,其模拟和预测的精度较高,结果可靠。     

基于ANN的煤岩破坏电磁辐射预测研究

以自适应神经网络的基本原理和实现步骤为基础,研究了煤岩变形破裂过程电磁辐射自适应神经网络预测的原理及特点,将电磁辐射自适应神经网络模型应用于煤岩变形破裂过程声发射和电磁辐射序列的预测。研究结果表明,采用神经网络可以有效预测电磁辐射和声发射信号,为判定煤岩变形破裂状态提供依据。