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。     

用灰色系统理论预测某铀矿排风井周边土壤中铀的质量分数

为预测铀矿排风井周边土壤中铀的质量分数,基于灰色系统的建模、关联度分析和残差辨识理论,建立了常规GM(1,1)预测模型.根据2001-2006年某铀矿排风井周边土壤中铀质量分数的监测数据,证实该模型预测结果与实际监测结果吻合较好,并且预测精度等级较高;同时外推预测了2007年该铀矿排风井周边土壤中铀质量分数,预测结果与实际监测结果的相对误差为4.54%,表明GM(1,1)预测模型具有较高的实用价值,为铀矿排风井周边土壤中铀质量分数的预测提供了一种方便有效的方法.     

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。     

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。     

基于数据挖掘的煤炭价格预测

人工神经网络与灰色理论都可以用来处理这种非线性、动态序列的预测问题。这两种数据挖掘方法都各有其优点与理论根据,究竟何种模型较适合煤炭价格预测,众说纷纭。为了避免顾此失彼,遗漏了一些重要的信息,本文研究了采用组合预测的方法,提出了将这两种数据挖掘的方法进行序列价格预测的方案,分析了方案的可行性。     

基于季节-WNN组合模型的煤矿事故预测

为了对矿山生产领域安全状况演化趋势进行准确预测,考虑实际生产中的季节性因素,本文构建季节-WNN组合模型对生产事故进行预测。其中,采用X-12-ARIMA模型对安全事故时序进行季节调整,将其分成平稳时间序列和季节因子序列。季节因子序列每年呈现相同规律,用WNN模型预测平稳时间序列,再按照乘法模型还原为真实预测序列。本文以我国煤矿生产安全为背景,将2015—2019年煤矿月度死亡人数作为观测值进行建模,预测2020年月度煤矿事故死亡人数,并将其与2020年煤矿事故月度死亡人数的真实值进行验证,将几种典型的预测模型与本文所构建模型进行对比分析。结果表明：我国煤矿事故存在显著的季节性特征,季节-WNN组合模型的平均相对误差为1.1%,预测精度显著优于单一的预测模型,且与我国煤矿事故实际走势较为吻合,具有良好的预测效果。预测模型可为安全事故的预测提供方法和指导,也可为煤矿安全生产监管决策提供依据。     

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。     

两种方法在坝体沉降监测中的应用

大坝沉降的高精度预测对水库正常运行起着重要作用。利用灰色模型与时间序列对大坝沉降监测点的沉降进行预测,并与实测数据进行比较分析。结果表明,基于时间序列模型的预测精度优于灰色模型,更适用于实际应用,较好地描述了沉降监测点的变化规律。     

露天矿三维境界参数优化与应用

为得到更优的露天矿开采终了境界,提出了集优化参数预测、矿岩块体属性赋值及动态经济效益分析为一体的三维境界优化方法。首先运用经济时间序列方法对未来市场钼精矿售价进行科学预测; 在大量已存矿山边坡数据基础上利用神经网络方法预测矿山边坡角; 在预测参数和建立的矿床地质模型基础上利用图论学方法获得批量境界方案,并对各境界方案编制生产计划,计算各方案投资、成本及效益,比较各净现值并确定最优方案。将该优化方法应用于某矿山设计中,结果表明,在以参数预测为基础的条件下矿山开采境界三维优化与矿山实际生产结合紧密,可指导矿山设计及生产,该方法具有推广应用价值。     

原地爆破浸出率的时间序列预测问题初探

采用灰色系统理论对原地爆破浸出率的时间序列预测问题进行了研究。根据原地爆破浸出工艺的浸出动力学特点，结合现场实例，建立了某铀矿山原地爆破浸出率时间序列预测的短期等维新息GM(1，1)模型和长期等维灰数递补GM(1，1)模型。分别采用这两个模型进行了短期和长期预测，其最大相对误差分别为4．4％和10％，预测结果表明：预测方法合理，预测精度可靠。     

堆浸浸出率灰色系统GM(1,1)模型的建立及预测

应用灰色系统理论的数学原理及建模过程,建立了堆浸浸出率的GM（1,1）模型。应用该模型对某铀矿石室内模拟试验的浸出率进行灰色预测,采用“残差检验法”和“灰关联度检验法”进行检验。结果表明,GM（1,1）模型的预测精度高,适合于具有灰色特征的地质、采矿、选矿、经济等原始数据序列的模拟控制和预测分析。     

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。     

天然铀产品成本预测数学模型及电算程序

本文依据我国天然铀产品成本的构成,按照产量和成本的依存关系、矿石品位、加工回收率以及物价指数、劳动生产率等对成本的影响,利用过去和现在的数据估算未来不同因素变化的趋势,推导出预测数学模型,并用TURTH BASIC语言编制微机应用软件。可用来进行未来成本预测和成本分析。     

基于灰色理论的唐山市铁矿资源供应研究

以唐山市铁矿石产量的实际数据为基础,建立了唐山市铁矿资源的GM(1,1)预测模型,并且进行了后差检验,结果表明该模型是可靠的.利用该模型对唐山市未来5a铁矿资源供应量进行预测,从而指导该地区未来铁矿资源的合理供应,保障唐山市钢铁工业健康、持续发展.     

Trinomial tree model of the real options approach used in mining investment price forecast and analysis

In order to effectively avoid the defects of a traditional discounted cash flow method, a trinomial tree pricing model of the real option is improved and used to forecast the investment price of mining. Taking Molybdenum ore as an example, a theoretical model for the hurdle price under the optimal investment timing is constructed. Based on the example data, the option price model is simulated. By the model, mine investment price can be computed and forecast effectively. According to the characteristics of mine investment, cut-off grade, reserve estimation and mine life in different price also can be quantified. The result shows that it is reliable and practical to enhance the accuracy for mining investment decision.     

实物期权在矿业最佳投资时机中的应用

矿产项目的投资被看成是一份延期的看涨期权。针对传统DCF法的缺陷,以钼矿为例,通过改进三叉树期权定价模型,构建了最佳投资时机下确立栏杆价格的理论方法,并以实际数据进行了期权定价模拟,表明了方法的可靠性。同时依据金属矿山的特点,将价格波动对于边界品位、矿石储量、服务年限等因素的影响予以量化,提升了期权理论对于矿业项目投资决策的准确度。