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LSTM-SVR组合模型的山西动力煤价格预测

煤炭是重要的基础能源,特别是动力煤在我国占有极高的战略地位,但煤炭价格的预测却十分困难。引入循环神经网络(RNN)对动力煤价格进行预测,在此基础上针对动力煤价随时间变化起伏大的特点,通过优化RNN模型,建立了长短期记忆模型(LSTM),引入支持向量回归机模型(SVR),通过串联的方式形成LSTM-SVR组合模型,以减少单一模型进行预测的风险,提高预测结果的精度。同时采用滑动平均法,以提高特征数据与动力煤价格的相关性。结果表明,经LSTM-SVR组合模型预测的2023年上半年山西动力煤价发展趋势与实际煤价有着较高的线性拟合性,预测准确率达到95.69%。该模型预测2024年山西动力煤价格将逐渐降低,从最高约1200元/t降低至700元/t。研究成果对煤炭企业调整经营战略、优化内部资本结构、维持整个行业长期稳定发展具有重要意义。     

基于小波神经网络的钢丝绳磨损趋势预测研究

针对非线性预测问题,提出了小波神经网络算法,建立了小波神经网络的趋势预测模型,通过对钢丝绳磨损度的时间序列预测,实现了故障预报。实践表明：小波网络具有更快的收敛速度和更高的预报精度,仿真结果与实测数据相比最大相对误差为4.23%,预报精度满足要求。     

基于小波神经网络的提升机液压站故障预测的研究

针对提升机液压站故障特性,以小波神经网络为工具建立了其故障预测模型。介绍了小波神经网络的结构、算法以及训练流程。分析了影响液压站故障因素,建立了其预测模型。在MATLAB环境下对网络进行训练。实验表明,该模型具有收敛速度快,预测精度高的特点,能够满足实际要求。     

基于小波神经网络的提升机液压站故障预测的研究

针对提升机液压站故障特性,以小波神经网络为工具建立了其故障预测模型。介绍了小波神经网络的结构、算法以及训练流程。分析了影响液压站故障因素,建立了其预测模型。在MATLAB环境下对网络进行训练。实验表明,该模型具有收敛速度快,预测精度高的特点,能够满足实际要求。     

基于小波分析及BP神经网络的瓦斯浓度预测方法研究

提出了一种基于小波分析与BP神经网络的矿井工作面瓦斯浓度预测算法,综合利用了小波分析算法的信号去噪作用以及BP神经网络可以拟合任何非线性系统的能力,并采用Matlab软件实现了该算法在瓦斯浓度预测上的应用。试验结果证明,对于短期内的工作面瓦斯浓度预测,该算法具有较好的预测效果。     

基于小波神经网络的中国煤炭消耗预测

预测煤炭消耗量是一个与多种因素有关的复杂非线性问题.鉴于传统预测方法的缺陷,利用小波神经网络模型对中国煤耗预测,通过理论分析和仿真实验表明:模型是简单可行的,预测具有较高的精度.     

基于模型预测控制的磨机优化系统

为改善磨矿作业,提高磨矿效率,降低磨矿能耗,提高磨机的生产率,提出一种基于模型预测控制的磨机优化系统。利用逻辑动态混合系统来建立精确的数学模型,通过神经网络和模糊控制算法循环优化,获得全局最优解作为控制器的输出,进而提高优化系统的响应速度和稳定性。     

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。     

市场情绪与铅期货价格、现货价格的相关性研究 --基于MSVAR模型的实证分析

随着经济增长和人们生活水平的提高,汽车成为了人们生活的必需品,这也导致环境问题日益突出。因此,电动汽车作为新能源汽车,是低碳经济发展的必然要求,也是汽车工业发展的方向。铅蓄电池作为电动汽车的重要组成部分,其价格变动所带来的影响不容忽视。本文选取2016年1月～2019年5月的沪铅期货价格、现货价格以及期货成交量数据,构建MSVAR模型,并利用脉冲响应函数,结合期货商品所具有的时间序列以及动态特征,实证分析了市场情绪与铅期货价格、现货价格的关系。研究发现:铅的现货价格、期货价格与市场情绪存在相互促进的关系;铅的现货价格与期货价格双向均值溢出,市场情绪对铅现货价格、期货价格单向均值溢出。最后根据结论,提出维持铅期货市场长久发展的建议。     

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。     

经济时间序列分析技术在煤炭价格预测中的应用

根据所收集的数据资料 ,结合国际和国内的实际经济形势 ,以计量经济学和统计学的原理为基础 ,将随机过程论、概率论、线性差分方程应用到我国的煤炭工业经济中 ,对煤炭市场价格进行动态跟踪预测 .通过实例分析与实际情况比较 ,证明本方法有较高的实用价值     

2016年铁矿石价格影响因素分析及未来价格走势预测

铁矿石价格主要受国家税收、石油价格、环保法实施、矿业巨头垄断、“一带一路”政策、新农村建设、世界经济复苏和金融炒作八个因素的影响。2016年,资源税全面实施从价计征;运输成本上升;环保法严格实施;钢铁去产能严格落实;矿业巨头垄断进一步加剧,铁矿石成本下降趋势可能终结;人民币贬值超出预期;“一带一路”逐步实施;国际、国内经济缓慢复苏;新农村建设取得一定进展;铁矿石金融炒作愈演愈烈。这些因素变化导致了铁矿石价格在2016年探底回升,普氏62%铁矿石价格指数从2016年年初最低的39.25,上涨到年末最高83.95。预计2017年铁矿石价格将呈“前升后降”走势。更长期来看,铁矿石价格仍将低位运行,合理价格在70-90 美元/吨。     

基于改进的QPSO-BP算法的锌矿价格行情预测

为了提高锌矿价格预测精度,采用改进的QPSO算法优化BP网络的权值与阈值,将通过优化搜索得到的粒子位置向量解码作为网络的权值与阈值,优化BP神经网络,对锌价格进行建模预测。在输入因子相同的条件下,以PSO-BP与QPSO-BP模型分别预测未来锌矿价格行情,以预测精度(MAPE)和泛化能力指标(ARV)评定两种模型的优劣。结果表明,改进的QPSO-BP模型的预测精度和泛化能力明显高于PSO-BP模型,更能适用于锌价格预测,对项目投资决策和风险评估有一定的参考价值。     

中国钼精矿价格分析与预测研究

生产成本是影响钼精矿价格的主导因素,它贯穿于地质勘探、矿山建设、采矿、选矿及环境保护等全过程。通过对大量钼精矿价格数据的搜集、计算和整合,得出未来钼精矿的悲观价格、乐观价格和最可能价格,再运用计划评审技术的方法预测中国钼精矿的长期期望价格。     

市场情绪与铁矿石期货价格、现货价格的相关性研究——基于MSVAR模型的实证分析

本文选取2015年5月至2018年5月的数据,通过构建MSVAR模型,从非线性的角度刻画了供给侧改革背景下市场情绪与铁矿石期货价格、现货价格间的关系。研究结果显示:市场情绪对铁矿石期货价格、现货价格产生负向响应,而铁矿石期货价格、现货价格对市场情绪产生正向响应;铁矿石期货价格与现货价格间具有双向均值溢出效应,而市场情绪对铁矿石期货价格、现货价格则产生单向均值溢出效应。最后提出维持铁矿石期货市场长久发展的建议:政府应完善铁矿石市场的环境与制度、丰富期货品种,提高投资者积极性;而企业则应利用价格发现规律规避风险、贯彻落实供给侧改革的措施,完善自身以适应市场未来发展。     

充填料浆坍落度参数预测分析

在分析多因素对充填料浆坍落度性能影响的过程中,根据BP神经网络原理,分析输入、输出层与隐含层的结构层次关系,建立起充填物料中的人工砂X1、河砂X2、尾砂X3、水泥X4含量4个变化因素对不同浓度充填料浆坍落度Y1、Y2、Y3影响的函数关系模型,通过训练值与试验测试值的比较,结果分析显示了该神经网络模型可较好地预测不同浓度条件下充填料浆的坍落度参数,该模型用于预测时的误差小、精度达到了96.481%,可为煤炭和非煤矿山充填工程的充填料浆流动性理论研究提供依据,同时也可为类似的工程试验提供技术参考。     

大型煤制甲醇项目动态经济风险预测模型的构建研究

 本文根据大型煤制甲醇项目的风险特性,确定了影响煤制甲醇项目动态收益的主要风险因素——煤炭价格和甲醇价格,建立了预测煤炭价格和甲醇价格的数学模型,并对建立的模型进行验证,旨在为投资企业提供一个可靠性较高的风险评估依据,做出合理的投资决策。