铀矿石价格的ANFIS时间序列预测研究

以铀矿资源为例，采用融合模糊逻辑的推理功能与神经网络的学习功能的自适应模糊推理系统（ANFIS）技术，并结合时间序列技术建立铀矿产品价格的ANFIS时间序列模型，在不同的时间段内采取相应的投资策略，实现矿山企业投资决策的优化管理与优化控制，充分利用了矿产资源，实现了资源价值的最大化。     

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ARIMA模型的矿区重金属污染时间序列预测

矿区重金属污染具有时间序列的特征,因此可以采用时间序列ARIMA模型对重金属污染进行预测。对南方某铜硫矿,在1995年1月—2008年6月重金属月监测数据的基础上,运用ARIMA模型建立了矿区尾矿库废水总排放口Zn浓度的预测模型,结果表明,ARIMA(1,1,2)模型能较好地拟合2008年1月—2008年6月重金属污染变化规律,经实际计算结果验证所建模型,误差在5%左右,经检验其精度满足要求。预测结果显示,该矿区未来重金属Zn仍然处在污染状态。     

基于Fuzzy时间序列模型矿井瓦斯涌出量预测研究

在分析传统的矿井瓦斯涌出量预测方法的基础上,应用Fuzzy时间序列模型,对祁东煤矿的瓦斯涌出量进行预测.实验证明,该模型的计算精度符合实际.     

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。     

时间序列分析法与巷道位移预测

利用时间序列法根据现场实测数据来预测未来巷道位移的发展趋势,是一种很有效的工程预测方法,这种预测方法可用于施工安全监控、支护效果评价等领域.     

基于BP神经网络与时间序列的滑坡变形预测分析

多种非线性的组合可提高滑坡位移预测的精度。采用BP神经网络模型与时间序列模型来预测滑坡的位移,充分发挥两非线性方法的优点,利用BP神经网络预测滑坡位移中的稳定趋势项部分,并利用时间序列模型预测滑坡位移的残差部分,实现了滑坡位移预测的目的。通过实际工程数据,证明了综合采用两非线性方法可将预测误差控制在3%以内,具有很强的实用性。     

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。     

用时间序列模型预测矿山最佳经营参数

把矿山的经营参数作为互相关联的随机变量,并用随机过程理论建立时间序列预测模型,利用以往的数值预测现在的经营参数,为矿山适时选择最佳生产经营参数提供参考。     

小波时间序列分析在铁矿品位波动预测中的应用

利用时间序列预测, 针对某进口铁矿石卸载时的在线粒度检测结果, 应用MATLAB语言, 分别采用自回归移动预测模型、特征点聚类法、双窗口贝叶斯后验检验法3种模型, 利用小波分解的高通软阈值和相关特征参数预测其品位波动情况, 然后根据预测的品位波动情况按相关标准规定制订取样方案。该方法简单易用, 可以节省大量的人力财力。     

我国铁矿石贸易及其消费价格问题初探

从生产、进口和消费3个方面分析了我国铁矿石贸易的基本情况。建立了一个反应铁矿石消费价格的数学模型,并分析了外贸依存度和人民币升值对于铁矿石消费价格的影响。最后,分析了不同来源的进口铁矿石离岸价格和海运费的变化对于铁矿石进口价格的影响。     

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。     

依据钢铁生产过程的中国铁矿石需求预测模型

考虑铁矿石在钢铁生产过程中的地位,根据物料平衡原理,按照粗钢需求预测-粗钢产量预测-生铁产量预测-铁矿石需求预测的研究思路,利用计量经济软件Eviews,建立中国铁矿石需求量的预测模型,并应用该模型预测中国2005-2010年的铁矿石需求量.预测结果表明中国铁矿石需求呈逐渐增长的趋势,但增长速度趋缓,2010年铁矿石需求总量达到10.210×108t(国产矿石品质矿量).     

基于加权LS-SVM时间序列短期瓦斯预测研究

针对神经网络的瓦斯预测模型存在的泛化性能差且存在易陷入局部最优的缺点,提出了基于最小二乘支持向量机(LS-SVM)时间序列瓦斯预测方法.由于标准最小二乘支持向量机(LS-SVM)要求样本误差分布服从高斯分布,且标准LS-SVM丧失鲁棒性与稀疏性等特点,提出了基于加权LS-SVM的瓦斯时间序列预测的方法,从而提高了标准L...     

基于Time Series-Markov模型的煤矿瓦斯事故起数预测

本文以2001~2016年我国煤矿瓦斯事故起数为基础,利用时间序列预测模型及改进马尔科夫预测模型分别预测了2001~2010年、2001~2011年、…及2001~2015年中各年瓦斯事故起数,并计算了其相对误差。其中,TS分别计算的上述六组值的相对误差平均值在18.72%~23.4%之间,而TSM计算的对应值为5.79%~7.09%,且TSM的预测值的波动趋势更符合真实情况。将上述两种模型分别预测后计算的2011~2016各年瓦斯事故发生起数的相对误差进行线性拟合,发现TSM的预测精度更高。因此,用TSM预测煤矿瓦斯事故起数比用TS预测更可靠,这也间接反映了TSM比TS更多地考虑了因素的近期状况对预测值的影响。最后,用此法预测了2017~2020年我国煤矿瓦斯事故起数,其依次为6起、7起、6起及4起。     

基于时间序列的快速卫星钟差短期预报研究

卫星钟差预报在实时高精度的导航定位中起着重要的作用。为提高GPS实时精密单点定位的精度,需要有实时的、高精度的卫星钟差预报。利用时间序列系统理论与灰色模型对快速卫星钟差进行了短期预报。结果表明,基于时间序列预报模型的预测精度优于灰色模型,它对超快速星历的预报精度与IGS产品中的IGU超快速星历本身的精度相当。Rb钟的精度和稳定性优于Cs钟。     

铀矿石不同细菌浸出方式对比试验

对某铀矿石进行了细菌柱浸和细菌池浸（充气条件）的对比试验研究,分析了浸出过程中有关参数的变化规律,探讨了适合该铀矿石的细菌浸出方式。试验结果表明,柱浸方式和池浸方式对该铀矿石均有较好的浸出效果,浸出率分别为89.85%和87.05%,渣铀品位分别为0.010 4%和0.013 3%,酸耗分别为3.38%和2.16%,浸出周期为48 d。综合浸出周期、酸耗、浸出率等指标及工业化实际条件,认为细菌柱浸方式可以作为优先考虑的浸出方式。