基于灰色神經(jīng)網(wǎng)絡(luò)的中國(guó)2020—2030年鉻礦需求預(yù)測(cè)

(.江西理工大學(xué) 礦業(yè)貿(mào)易與投資研究中心,江西 贛州 34000;2.中國(guó)科學(xué)技術(shù)大學(xué) 管理學(xué)院,安徽 合肥 230026)

鉻的莫氏硬度為9,熔點(diǎn)為1857℃,是硬度最大的金屬,具有很強(qiáng)的耐腐蝕性和耐磨性。將鉻生成鉻鐵合金用作冶煉不銹鋼,極大地增強(qiáng)了不銹鋼的硬度和抗腐蝕等性能,被廣泛用于航空、汽車(chē)、造船和國(guó)防工業(yè)中。目前世界鉻消費(fèi)的85%投入于冶金工業(yè),其他用于制作耐火材料及其他化學(xué)材料。鉻的地殼豐度為0.01%,屬于稀缺資源[1]。由于不銹鋼產(chǎn)業(yè)的快速發(fā)展,我國(guó)已成為世界最大鉻礦消費(fèi)國(guó)[2],但受鉻礦資源匱乏和生產(chǎn)工藝限制,主要依賴進(jìn)口以滿足對(duì)鉻礦的生產(chǎn)需求,對(duì)外依存度高達(dá)98%,意味著我國(guó)企業(yè)在國(guó)際鉻礦價(jià)格博弈中,影響力和話語(yǔ)權(quán)都受到非常大限制[3]。基于對(duì)鉻礦資源的現(xiàn)狀分析,預(yù)測(cè)我國(guó)未來(lái)鉻礦需求量對(duì)有效利用國(guó)內(nèi)外鉻礦資源,滿足我國(guó)市場(chǎng)消費(fèi)需求具有重要意義。

1 文獻(xiàn)回顧

一般而論，礦產(chǎn)資源需求預(yù)測(cè)方法主要有案例推理(CBR)[4]、彈性系數(shù)法[5]、“S”形規(guī)律理論[6]、灰色預(yù)測(cè)方法[7]、部門(mén)需求預(yù)測(cè)法[8]、神經(jīng)網(wǎng)絡(luò)[9,10]、ARMA模型[11]等。但這些預(yù)測(cè)方法單獨(dú)使用存在預(yù)測(cè)精確度不高、穩(wěn)定性較弱等問(wèn)題,因此國(guó)內(nèi)外學(xué)者致力于將各種預(yù)測(cè)方法進(jìn)行優(yōu)化改進(jìn)。Chi-Sheng Shih利用三點(diǎn)平滑法對(duì)數(shù)據(jù)序列進(jìn)行處理,建立了改進(jìn)的無(wú)偏灰色預(yù)測(cè)模型[12];Mehdi Hosseinpour通過(guò)調(diào)整模糊集合和融入先驗(yàn)知識(shí)對(duì)模糊邏輯預(yù)測(cè)模型進(jìn)行改進(jìn)[13]。部分學(xué)者將兩種及以上預(yù)測(cè)方法進(jìn)行組合,既發(fā)揮了各自的優(yōu)勢(shì),又避免了單一使用時(shí)的不足。Negin Behnia利用小波變換對(duì)數(shù)據(jù)進(jìn)行了分解和重構(gòu),得到小波系數(shù)后進(jìn)行ARMA預(yù)測(cè),建立了縱向組合預(yù)測(cè)模型[14];Bates JM結(jié)合灰色預(yù)測(cè)方法與多元回歸預(yù)測(cè)方法,將兩種方法的結(jié)果進(jìn)行最優(yōu)加權(quán),建立橫向組合預(yù)測(cè)模型[15]。但這些組合模型適用于短期預(yù)測(cè),當(dāng)預(yù)測(cè)年限較長(zhǎng)時(shí),預(yù)測(cè)結(jié)果會(huì)出現(xiàn)較大偏差。BP神經(jīng)網(wǎng)絡(luò)是通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練,獲得數(shù)據(jù)間的規(guī)律,進(jìn)而推理出預(yù)測(cè)結(jié)果,是應(yīng)用較為普遍的中長(zhǎng)期預(yù)測(cè)方法[16]。因此,本文將神經(jīng)網(wǎng)絡(luò)與灰色預(yù)測(cè)方法相結(jié)合對(duì)我國(guó)中長(zhǎng)期鉻礦需求量進(jìn)行預(yù)測(cè),建立灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。該模型既削弱了隨機(jī)干擾因素的影響,又利用神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近能力,擬合較大波動(dòng)性的數(shù)據(jù),進(jìn)一步提高了中長(zhǎng)期預(yù)測(cè)結(jié)果的可靠性和穩(wěn)定性。

2 世界鉻礦資源分布與市場(chǎng)分析

根據(jù)美國(guó)地質(zhì)調(diào)查局2016年的數(shù)據(jù),世界鉻礦資源總量超過(guò)120億t,儲(chǔ)量基礎(chǔ)約為76億t。但鉻礦分布極其不均衡,南非、哈薩克斯坦和津巴布韋是世界鉻礦資源最豐富的國(guó)家,鉻礦儲(chǔ)量約占世界總儲(chǔ)量的90%，其次是印度、芬蘭、土耳其等國(guó)家。這些地區(qū)是世界鉻礦資源的主要來(lái)源地(表1)。近年來(lái),全球鉻礦產(chǎn)量整體保持穩(wěn)定上升趨勢(shì),年均增長(zhǎng)率約為6.5%,2014年達(dá)到3000萬(wàn)t,同比增長(zhǎng)2%(表2)。由表2可知:①世界鉻礦生產(chǎn)地主要集中在南非、哈薩克斯坦、印度和土耳其;②南非鉻礦產(chǎn)量穩(wěn)居世界首位,除2009年受全球金融危機(jī)影響外,其他年份均在1000萬(wàn)t以上,2014年產(chǎn)量占世界產(chǎn)量的49%;③印度鉻礦產(chǎn)量在2013年前逐年遞減,主要原因是國(guó)家實(shí)行保護(hù)性開(kāi)采政策,但在2014年超過(guò)土耳其位居世界第三;④津巴布韋鉻礦儲(chǔ)量雖高,但開(kāi)采程度較低[17]。國(guó)際市場(chǎng)的鉻礦供應(yīng)主要由英國(guó)ENRC和瑞士Glencore Xstrata等少數(shù)鉻礦生產(chǎn)公司控制(表3)。世界金屬統(tǒng)計(jì)數(shù)據(jù)顯示,世界鉻礦消費(fèi)量呈逐年遞增趨勢(shì),到2016年已達(dá)2900萬(wàn)t,中國(guó)、哈薩克斯坦、印度、日本等是鉻礦消費(fèi)大國(guó)。2014年全球鉻礦貿(mào)易量達(dá)1100萬(wàn)t,中國(guó)、俄羅斯鉻礦進(jìn)口量分別占世界鉻礦進(jìn)口量的90%和4%,南非、土耳其、哈薩克斯坦鉻礦出口量分別占世界鉻礦出口量的56%、13%和7%。

表1 2015年世界鉻礦儲(chǔ)量和儲(chǔ)量基礎(chǔ)(商品級(jí)礦石,萬(wàn)t)

注:數(shù)據(jù)來(lái)源于Mineral Commodity Summaries。

表2 2008—2014年世界主要鉻礦生產(chǎn)國(guó)的產(chǎn)量(萬(wàn)t)

注:數(shù)據(jù)來(lái)源于World Metal Statistics Yearbook 2015。

表3 世界主要鉻礦供應(yīng)商

注:數(shù)據(jù)來(lái)源于Raw Materials Data.

3 中國(guó)鉻礦資源概況及需求現(xiàn)狀分析

2016年我國(guó)的鉻礦總保有儲(chǔ)量為1122萬(wàn)t,基礎(chǔ)儲(chǔ)量為419.8萬(wàn)t,其中富礦占53.6%,平均含48%Cr2O3。鉻礦產(chǎn)地有56處,主要分布在西藏、新疆、內(nèi)蒙古、甘肅等地,其中西藏保有儲(chǔ)量為425.1萬(wàn)t,約占全國(guó)40%。截至2015年,我國(guó)共有鉻礦山14處,鉻礦生產(chǎn)能力約為20萬(wàn)t/a,已生產(chǎn)和在建礦區(qū)共有25處[18]。我國(guó)鉻礦床屬于巖漿晚期礦床,大多賦存于純橄欖巖異離體中,如西藏的羅布莎和新疆的薩爾托海等礦區(qū)。我國(guó)鉻礦主要形成于中、新生時(shí)代,目前只發(fā)現(xiàn)了中小型規(guī)模的礦區(qū),其中規(guī)模最大的是西藏羅布莎礦區(qū),儲(chǔ)量為337.7萬(wàn)t;其次是甘肅大道爾吉礦區(qū)、內(nèi)蒙古賀根山礦區(qū);其他的鉻礦儲(chǔ)量小于100萬(wàn)t。我國(guó)鉻鐵礦由眾多大小不一、分布零散的礦體組成,具有礦床規(guī)模小、平均品位低、成因類(lèi)型單一、開(kāi)發(fā)利用條件差等特點(diǎn)[19]。

我國(guó)是世界最大的鉻礦消費(fèi)國(guó)和進(jìn)口國(guó)。近幾年來(lái)我國(guó)鉻礦消費(fèi)量不斷增加,2010—2016年鉻礦的年均表觀消費(fèi)量已達(dá)806萬(wàn)t。但我國(guó)鉻礦資源儲(chǔ)量有限,供給難以滿足日益增長(zhǎng)的消費(fèi)需求,進(jìn)口是目前獲取鉻礦資源最直接的途徑。我國(guó)鉻礦進(jìn)口的主要來(lái)源國(guó)有南非、阿爾巴尼亞和土耳其,2016年我國(guó)進(jìn)口南非鉻礦882.05萬(wàn)t,占71.7%;土耳其為101.82萬(wàn)t,占8.3%;阿爾巴尼亞為54.13萬(wàn)t,占4.4%。由圖1可知,2006—2011年我國(guó)鉻礦砂及精礦進(jìn)口數(shù)量除2009年略有下降外,整體呈現(xiàn)逐漸遞增的趨勢(shì);2013年達(dá)到1209萬(wàn)t,創(chuàng)歷史新高;2014年下跌至938.33萬(wàn)t;2015年、2016年再次達(dá)到1000萬(wàn)t以上,說(shuō)明增加鉻礦供給迫在眉睫。

注:數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局。

圖1 2006—2016年我國(guó)鉻礦砂及精礦進(jìn)口數(shù)量

4 鉻礦需求影響因素的選擇

4.1 鉻礦需求的影響因素分析

影響鉻礦需求的因素主要有:①不銹鋼產(chǎn)業(yè)的發(fā)展趨勢(shì)。在冶金工業(yè)中,大量的鉻用于生產(chǎn)不銹鋼,是生產(chǎn)不銹鋼不可或缺的原料,決定了不銹鋼的屬性[20]。如美國(guó)將近90%的鉻礦消費(fèi)用于冶煉不銹鋼,日本、印度等將92%的鉻礦運(yùn)用于不銹鋼產(chǎn)業(yè)中[21],不銹鋼產(chǎn)業(yè)的發(fā)展趨勢(shì)決定著鉻礦需求態(tài)勢(shì),我國(guó)不斷擴(kuò)張的不銹鋼產(chǎn)業(yè)對(duì)鉻原料及其合金的剛性需求將保持一定的增長(zhǎng)態(tài)勢(shì)[22]，用不銹鋼產(chǎn)量反映不銹鋼產(chǎn)業(yè)的發(fā)展趨勢(shì)。②我國(guó)經(jīng)濟(jì)發(fā)展趨勢(shì)。隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展,房地產(chǎn)、家電、汽車(chē)等行業(yè)隨之興起,拉動(dòng)了對(duì)鉻原料和鉻系合金的消費(fèi)需求,經(jīng)濟(jì)發(fā)展趨勢(shì)影響了市場(chǎng)對(duì)鉻礦的消費(fèi)程度，用經(jīng)濟(jì)增長(zhǎng)率表示我國(guó)經(jīng)濟(jì)發(fā)展趨勢(shì)。③工業(yè)化程度。工業(yè)化與礦產(chǎn)資源的消耗變動(dòng)之間呈現(xiàn)倒“U”規(guī)律。以輕工業(yè)為主的工業(yè)化前期,礦產(chǎn)資源消費(fèi)水平低;隨著重工業(yè)的發(fā)展,人們開(kāi)發(fā)利用資源的能力得到提高,產(chǎn)業(yè)的迅速發(fā)展帶動(dòng)了礦產(chǎn)資源需求的增加;后工業(yè)化社會(huì)中,科技水平的提高和第三產(chǎn)業(yè)的發(fā)展使礦產(chǎn)資源的消費(fèi)增長(zhǎng)緩慢。處于不同工業(yè)化發(fā)展階段的國(guó)家,礦產(chǎn)資源的需求特點(diǎn)也不同[23,24]，用工業(yè)化率表示我國(guó)工業(yè)化程度。④匯率。我國(guó)鉻礦資源的供給主要依賴進(jìn)口,匯率波動(dòng)會(huì)直接影響我國(guó)鉻礦進(jìn)口價(jià)格,而價(jià)格是影響消費(fèi)者購(gòu)買(mǎi)行為的重要因素,因此匯率波動(dòng)將影響我國(guó)的鉻礦進(jìn)口量,進(jìn)而影響市場(chǎng)對(duì)鉻礦的消費(fèi)量[25]，用人民幣對(duì)美元匯率表示。

4.2 計(jì)算方法

引入灰色關(guān)聯(lián)分析方法進(jìn)一步確定鉻礦需求量與四個(gè)主要影響因素之間的關(guān)聯(lián)程度。其原理是：根據(jù)兩個(gè)因素之間隨著時(shí)間變化發(fā)展趨勢(shì)的相似或相異程度判斷兩者的關(guān)聯(lián)程度,兩者的發(fā)展趨勢(shì)越相近,關(guān)聯(lián)度越高,反之越小[26]。灰色關(guān)聯(lián)分析處理多因素的灰色關(guān)系,減少了信息不對(duì)稱帶來(lái)的誤差,對(duì)數(shù)據(jù)樣本量要求較低。

設(shè)定主因子系列和相關(guān)因子序列,Xi={xi(1),xi(2),…,xi(20)},i=0,1,2,3,4。式中,第i項(xiàng)指標(biāo)為1997—2016年的數(shù)據(jù)系列,鉻礦需求量(i=0)的數(shù)據(jù)系列是主因子系列,影響因素(i=1,2,3,4)的數(shù)據(jù)系列是相關(guān)因子序列。

無(wú)量綱化處理:

(1)

計(jì)算差值序列:

(2)

M=max△i(t)，m=min△i(t)

式中,△i(t)為主因子序列與相關(guān)因子序列的差值序列;M、m為該序列的最大值和最小值。

計(jì)算關(guān)聯(lián)系數(shù):

(3)

(4)

式中,γ0i(t)表示主因子序列與相關(guān)因子序列中各點(diǎn)的關(guān)聯(lián)系數(shù)。對(duì)各點(diǎn)的關(guān)聯(lián)系數(shù)加和求均值得到鉻礦需求量與影響因素的關(guān)聯(lián)度數(shù)值γ0i。

4.3 計(jì)算結(jié)果

以1997—2016年時(shí)間序列數(shù)據(jù)為樣本,見(jiàn)表4。經(jīng)計(jì)算得出不銹鋼產(chǎn)量、經(jīng)濟(jì)增長(zhǎng)率、工業(yè)化率、人民幣匯率與我國(guó)鉻礦需求量的關(guān)聯(lián)度數(shù)值分別為0.883、0.586、0.601、0.575。由于四個(gè)關(guān)聯(lián)度數(shù)值均大于0.5,說(shuō)明它對(duì)我國(guó)鉻礦需求的影響程度較大,其中不銹鋼產(chǎn)量是影響鉻礦需求的最重要因素。因此，選取這四個(gè)因素作為鉻礦需求的主要影響因素是合適的。

表4 原始數(shù)據(jù)

注:數(shù)據(jù)來(lái)源于中國(guó)礦業(yè)網(wǎng)和國(guó)家統(tǒng)計(jì)局。

5 鉻礦需求預(yù)測(cè)模型

5.1 運(yùn)算步驟

首先,建立神經(jīng)網(wǎng)絡(luò)模型,利用1997—2016年的樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練;其次,建立灰色預(yù)測(cè)模型,對(duì)2020—2030年鉻礦需求的各影響因素進(jìn)行預(yù)測(cè);第三,將影響因素的預(yù)測(cè)值輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),得出2020—2030年鉻礦需求的預(yù)測(cè)值。

5.2 神經(jīng)網(wǎng)絡(luò)模型

表5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練值

圖2 樣本訓(xùn)練誤差曲線

5.3 灰色預(yù)測(cè)模型

灰色預(yù)測(cè)模型GM(1,1)是根據(jù)樣本數(shù)據(jù)的分布和隨機(jī)性,利用累加生成方法將不規(guī)律的樣本數(shù)據(jù)加工成有規(guī)律的數(shù)列模型,弱化了原始數(shù)據(jù)的隨機(jī)性,所需信息量少、運(yùn)算簡(jiǎn)便、預(yù)測(cè)精度高[28]。

設(shè)樣本時(shí)間序列為X(0)={x(0)(1),x(0)(2),…,x(0)(t)},通過(guò)一階累加生成序列X(1)={x(1)(1),x(1)(2),…,x(1)(n)},建立GM(1,1)預(yù)測(cè)模型的一階單變量微分方程:

(5)

式中,α,μ為灰色參數(shù)。

由最小二乘法求解：

(α,μ)T=(BTB)-1BTYN

(6)

其中,

B=-Z(1)(2)1-Z(1)(3)1……-Z(1)(n)1é?êêêêêêù?úúúúúú，YN=x(0)(2)x(0)(3) …x(0)(n)é?êêêêêù?úúúúú

預(yù)測(cè)模型的標(biāo)準(zhǔn)解為:

(7)

根據(jù)表4,利用灰色預(yù)測(cè)模型得到2020—2030年各影響因素的預(yù)測(cè)值,見(jiàn)表6。

表6 2020—2030年鉻礦需求影響因素預(yù)測(cè)值

為了檢驗(yàn)預(yù)測(cè)模型是否有效,采用均方差比值C和小誤差概率P對(duì)模型的預(yù)測(cè)值進(jìn)行精度驗(yàn)證。均方差比值:

(8)

式中,S1、S2分別為原始數(shù)據(jù)標(biāo)準(zhǔn)差和預(yù)測(cè)數(shù)據(jù)標(biāo)準(zhǔn)差。

(9)

判據(jù):當(dāng)P≥0.95、C≤0.35時(shí),預(yù)測(cè)精度等級(jí)為優(yōu);當(dāng)P≥0.80、C≤0.50時(shí),預(yù)測(cè)精度等級(jí)為合格;當(dāng)P≤0.70、C≥0.65時(shí),預(yù)測(cè)精度不合格[32]。經(jīng)計(jì)算,預(yù)測(cè)模型的精度檢驗(yàn)值見(jiàn)表7。該模型的P≥0.80、C≤0.50,均在合格范圍內(nèi),說(shuō)明該灰色預(yù)測(cè)模型的預(yù)測(cè)精度較高、可信度較好。

表7 模型精度檢驗(yàn)

5.4 鉻礦需求量預(yù)測(cè)

本文將表6中各影響因素的預(yù)測(cè)值進(jìn)行初始化處理后輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,得到了我國(guó)2020—2030年鉻礦需求量的預(yù)測(cè)值，見(jiàn)表8。由此可知,我國(guó)鉻礦需求量在2020—2030年呈現(xiàn)逐漸遞增的發(fā)展趨勢(shì),年均增長(zhǎng)率達(dá)6.87%?；诘V產(chǎn)資源的不可再生性和目前國(guó)內(nèi)鉻礦產(chǎn)能水平的客觀分析,認(rèn)為我國(guó)未來(lái)鉻礦資源的對(duì)外依存度依然會(huì)保持在較高水平,不銹鋼產(chǎn)業(yè)的發(fā)展也會(huì)受到制約。因此,我國(guó)企業(yè)通過(guò)海外并購(gòu)等投資方式參與國(guó)際市場(chǎng)鉻礦資源的優(yōu)化配置,是緩解我國(guó)鉻礦資源供需不平衡的有效途徑。

表8 2020—2030年鉻礦需求量預(yù)測(cè)值

6 結(jié)論與對(duì)策建議

6.1 結(jié)論

主要研究結(jié)論為:①本文系統(tǒng)分析了世界鉻礦資源分布與市場(chǎng)、我國(guó)鉻礦資源概況及需求現(xiàn)狀,得出世界鉻礦的產(chǎn)量和消費(fèi)量在不斷增加,南非、哈薩克斯坦、印度既是鉻礦資源最豐富的國(guó)家,又是主要的鉻礦生產(chǎn)地和出口國(guó)。我國(guó)鉻礦資源儲(chǔ)量少,存在品位低、開(kāi)采成本高等問(wèn)題,目前仍處于鉻礦資源緊缺、不銹鋼產(chǎn)業(yè)發(fā)展受限的階段。②分析了影響鉻礦需求的主要因素,引入灰色關(guān)聯(lián)分析方法計(jì)算影響因素與鉻礦需求之間的關(guān)聯(lián)度,保證了分析結(jié)果的可靠性和客觀性,得出不銹鋼產(chǎn)量、經(jīng)濟(jì)增長(zhǎng)率、工業(yè)化率和人民幣匯率是影響我國(guó)鉻礦需求的主要驅(qū)動(dòng)變量。③將灰色預(yù)測(cè)模型與神經(jīng)網(wǎng)絡(luò)相組合并將其運(yùn)用于我國(guó)鉻礦需求量預(yù)測(cè)中,建立了鉻礦需求量預(yù)測(cè)的灰色神經(jīng)網(wǎng)絡(luò)模型,綜合了灰色系統(tǒng)預(yù)測(cè)所需樣本信息少,神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)擬合能力強(qiáng)的優(yōu)點(diǎn),解決了使用單一預(yù)測(cè)模型對(duì)中長(zhǎng)期發(fā)展趨勢(shì)預(yù)測(cè)有較大偏差的問(wèn)題。預(yù)測(cè)結(jié)果顯示，我國(guó)2020—2030年的鉻礦需求量將逐年遞增,2030年達(dá)到4174萬(wàn)t。

6.2 對(duì)策建議

主要對(duì)策建議為:①津巴布韋的鉻礦儲(chǔ)量居世界第三,且礦石品位高,但目前的開(kāi)發(fā)程度較低,是海外投資戰(zhàn)略首選區(qū)之一。近年來(lái)中非合作論壇的推動(dòng)為我國(guó)與津巴布韋的合作提供了良好的經(jīng)濟(jì)環(huán)境,津巴布韋的礦業(yè)市場(chǎng)投資方在減少,降低了我國(guó)礦業(yè)投資的競(jìng)爭(zhēng)壓力。因此,我國(guó)企業(yè)應(yīng)加強(qiáng)與津巴布韋政府的溝通交流,建立良好的合作關(guān)系,充分開(kāi)發(fā)利用津巴布韋的鉻礦資源,緩解我國(guó)鉻礦資源供給不足的局面。②加強(qiáng)對(duì)我國(guó)鉻礦重要礦產(chǎn)地的勘查,提高勘查程度,將成果納入儲(chǔ)備管理中;推動(dòng)國(guó)有企業(yè)、地勘單位與民營(yíng)公司的多元投資,合作開(kāi)展鉻礦資源勘查開(kāi)發(fā);綜合利用多礦種聯(lián)合開(kāi)發(fā),如對(duì)鉑族金屬礦床中的鉻礦進(jìn)行綜合回采。此外,我國(guó)企業(yè)可創(chuàng)造機(jī)會(huì)與國(guó)外鉑金屬開(kāi)發(fā)商建立合作關(guān)系,共同將其開(kāi)采的鉻礦加工成鉻鐵礦,為我國(guó)鉻礦資源提供新的獲取渠道。③積極響應(yīng)國(guó)家對(duì)外開(kāi)發(fā)戰(zhàn)略,充分抓住“一帶一路”戰(zhàn)略背景下與沿線國(guó)家的合作機(jī)會(huì),做好鉻礦資源海外開(kāi)發(fā)戰(zhàn)略性規(guī)劃,在建設(shè)中實(shí)現(xiàn)資源共享、優(yōu)勢(shì)互補(bǔ)、協(xié)同發(fā)展。鉻礦作為一種戰(zhàn)略資源,必要的戰(zhàn)略儲(chǔ)備關(guān)系到國(guó)家資源安全問(wèn)題。因此,有必要開(kāi)展國(guó)家戰(zhàn)略主導(dǎo)投資模式,由政府推動(dòng)并承擔(dān)主要風(fēng)險(xiǎn)進(jìn)行鉻礦資源的海外開(kāi)發(fā),以實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展和保證國(guó)家資源安全。

:

[1]鄭明貴,賴亮光.中國(guó)鉻礦需求情景分析[J]. 資源與產(chǎn)業(yè),2011,13(4)∶43-49.

[2]曾祥婷,元春華,許虹,等.世界鉻礦開(kāi)發(fā)現(xiàn)狀及投資建議[J].中國(guó)礦業(yè),2015,24(8)∶16-22.

[3]陶鑫.鉻礦定價(jià)影響因素的研究及對(duì)我國(guó)企業(yè)采購(gòu)策略的啟示[D].上海：上海交通大學(xué)碩士學(xué)位論文,2011.

[4]鄧守城,吳青,石兵,等.基于案例推理的水上交通突發(fā)事件應(yīng)急響應(yīng)資源需求預(yù)測(cè)[J].中國(guó)安全科學(xué)學(xué)報(bào),2014,24(3)∶79-84.

[5]Jack A Weber.Forecasting Demand and Measuring Price Elasticity[J].Journal American Water Works Association,1989,81(5)∶57-65.

[6]S Paul,RN Bhattacharya.Causality Between Energy Consumption and Economic Growth in India：A Note on Conflicting Results[J].Energy Economics,2004,26(6)∶977-983.

[7]鄧榮榮.慣性發(fā)展情境下湖南省能否實(shí)現(xiàn)2020年減碳目標(biāo)？——基于GM(1,1)模型預(yù)測(cè)[J].資源開(kāi)發(fā)與市場(chǎng),2017,33(7)∶802-806.

[8]王超,于汶加,龍濤,等.伊朗能源及主要金屬礦產(chǎn)需求預(yù)測(cè)[J].中國(guó)礦業(yè),2017,26(3)∶48-53.

[9]Ahmed Tealab,Hesham Hefny,Amr Badr.Forecasting of Nonlinear Time Series Using Artificial Neural Network[J].Future Computing and Informatics Journal,2017，(6)∶1-9.

[10]Baratti R,Cannas B,Fanni A,etal.River Flow Forecast for Reservoir Management Through Neural Network[J].Neurocomputing,2003,55(3-4)∶421-437.

[11]Billinton R,Chen H,Ghajar R.Time-series Models for Reliability Evaluation of Power Systems Including Wind Energy[J].Microelectronics Reliability,1996,36(9)∶1253-1261.

[12]Chi-sheng Shih,Yen-tseng Hsu,Pin-chan Lee.Grey Number Prediction Using the Grey Modification Model with Progression Technique[J].Applied Mathematical Modeling,2011,35(3)∶1314-1321.

[13]Mehdi H,Ahmad S Y,Seyed M G,etal.Application of Adaptive Neuro-fuzzy Inference System for Road Accident prediction[J].Ksce Journal of Civil Engineering,2013,17 (7)∶1761-1772.

[14]Negin Behnia,Forough Rezaeian.Coupling Wavelet Transform with Time Series Models to Estimate Groundwater Level[J].Arabian Journal of Geosciences,2015,8(10)∶8441-8447.

[15]Bates JM,Granger CWJ.The Combination of Forecasts[J].Journal of the Operational Research Society,1969,20(4)∶451-468.

[16]Mourad Mordjaoui,Salim Haddad,Ammar Medoued,etal.Electric Load Forecasting by Using Dynamic Neural Network[J].International Journal of Hydrogen Energy,2017,42(28)∶17655-17663.

[17]呂東明.中資企業(yè)在津巴布韋投資的現(xiàn)狀及建議[J].國(guó)際經(jīng)濟(jì)合作,2014,(6)∶75-77.

[18]朱明玉,王成輝,王登紅,等.中國(guó)鉻礦主要礦集區(qū)及其資源潛力探討[J].中國(guó)地質(zhì),2013,40(4)∶995-1006.

[19]張煒.世界鉻礦資源需求分析及預(yù)測(cè)[J].資源與產(chǎn)業(yè),2016,18(4)∶87-91.

[20]錢(qián)祥榮.近期低鉻與無(wú)鉻不銹鋼的研究[J].上海金屬(鋼鐵分冊(cè)),1985,(4)∶30-33.

[21]楊金岱.用礦石直接冶煉鐵鎳鉻合金和不銹鋼[J].特殊鋼,1983,(1)∶92-93.

[22]楊春芳.不銹鋼產(chǎn)業(yè)鏈集中度和盈利能力分析[J].有色金屬工程,2012,2(3)∶19-22.

[23]成金華,汪小英.工業(yè)化與礦產(chǎn)資源消耗：國(guó)際經(jīng)驗(yàn)與中國(guó)政策調(diào)整[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2011,11(2)∶23-27.

[24]任忠寶,王世虎,唐宇,等.礦產(chǎn)資源需求拐點(diǎn)理論與峰值預(yù)測(cè)[J]. 自然資源學(xué)報(bào),2012,27(9)∶1480-1489.

[25]王枝茂.價(jià)格與需求的特殊效應(yīng)在定價(jià)中的運(yùn)用[J]. 價(jià)格月刊,1993,(1)∶30-31.

[26]蔣蓉華,曹琦.基于灰色BP神經(jīng)網(wǎng)絡(luò)的企業(yè)人力資源需求預(yù)測(cè)[J].中國(guó)人力資源開(kāi)發(fā),2011,(11)∶42-46.

[27]韓巍,魯永恒,趙淑英.基于BP神經(jīng)網(wǎng)絡(luò)的黑龍江省煤炭產(chǎn)業(yè)發(fā)展前景分析[J].煤炭經(jīng)濟(jì)研究,2013,33(12)∶53-56.

[28]王磊,薛雅君,張宇.基于土地利用變化的天津市生態(tài)資產(chǎn)價(jià)值評(píng)估及灰色預(yù)測(cè)[J].資源開(kāi)發(fā)與市場(chǎng),2017,33(7)∶796-801.