基于神經網絡的煤炭價格預測研究

楊海祥

摘要：本文主要針對煤炭價格的內部因素和外部因素兩部分進行研究，利用內部因素、外部因素，做了量化分析確定了影響因素的權重排序依次是煤炭鐵路運輸能力、國家政策、煤炭供需煤炭開采外部性成本缺失、美國煤炭價格、煤炭替代能源、通貨膨脹。首先我們通過查閱煤炭相關信息和研究文獻，通過主要因素加權平均，構造出三項關鍵指標，即“煤炭消費綜合因素”、“綜合政策因素”和“綜合市場因素”，其次我們根據已知數據，利用三次樣條插值得到未來指標的預測數據。接著，基于神經網絡，我們首先對671項已知數據進行分為訓練組和實驗組進行預處理，避免過擬合問題的產生，最后我們將三項指標下的預測數據代入，利用工具箱和循環代碼，便可以擬合出按周為單位的預測數據。

關鍵詞：量化分析;BP神經網絡;循環代碼

中圖分類號：F426.21;F764.1文獻標識碼：A文章編號：1672-9129（2020）13-0066-01

引言：煤炭的價格與國家的政策，國內外市場的供需息息相關。同時，它的價格也會受到我們日常生產和生活方式的影響，受到成本和能源使用的控制，通過分析，找出十種以內影響煤炭價格的主要指標并通過建立數學模型將其量化。以我國秦皇島港動力煤價格作為分析對象，對2019.5.1-2020.1.30這段時間內，對秦皇島港動力煤價格產生主要影響的因素按從大到小的順序進行排列。使用秦皇島港動力煤炭價格的歷史信息，建立煤炭價格的預測模型，分別以每天、每周和每月作為單位，預測未來秦皇島的煤炭具體價格。

1問題分析

影響煤炭價格波動的十條以內的主要因素，其次通過數學模型的方式量化分析權重，并進行排序。之后通過回歸分析的方法通過分析秦皇島煤礦數據確定影響其價格波動的最重要因素，并進行排名。建立預測量化指標，再通過神經網絡或插值法對所建立的指標進行預測，得到未來的量化指標。接著使用BP神經網絡，利用已知數據進行模擬實驗，確定最佳參數及算法，通過該系統完成預測，再對預測數據進行插值等處理即可得到題目要求結果。

2模型的建立與求解

煤炭價格的影響因素可以劃分為兩大部分，內部因素和外部因素。內部因素是指構成煤炭價格的各個因素，包括煤炭的生產成本、運輸成本、銷售成本等等外部影響因素是指除煤炭價格構成因素之外的其他影響因素。生產階段價格包括生產企業的采煤成本，生產環節產生的稅費，生產企業利潤，生產過程中產生的健康、安全與環境成本等等。流通環節的價格分二部分，煤炭經銷商與煤炭經銷商之間的價格增值，煤炭經銷商與最終消費者之間產生的價格增值。這樣，流通環節的價格包括煤炭經銷商與生產企業之間的交易成本，運輸成本，流通環節的各種稅費，貿易企業的利潤;煤炭經銷商與煤炭經銷商之間的交易成本，運輸成本，流通環節的各種稅費，貿易企業的利潤：煤炭經銷商與消費企業之間的交易成本，交易過程中產生的稅費等幾部分。

我們將煤炭價格的外部影響因素歸納為煤炭供需因素、國民經濟發展狀況、煤炭替代能源發展狀況、國家相關政策、煤炭定價機制、煤炭開采外部性成本缺失、貨幣發行量與通貨膨脹、國際煤炭市場煤炭價格等幾類。煤炭的價格和煤炭貨運綜合指數變化趨勢呈現正相關關系，我們可以認為在不存在其他影響煤價的因素情況下，運費平均每上漲1.12%，煤價平均上漲1.8%，通過歸一化處理我們確定運費每上漲一個百分點，煤價會受運費影響上漲1.6個百分點，我們將單因素影響指標定為xa，對于多因素影響混合指標我們用加權平均的方式進行計算，設多因素影響指標為a，fk為每個因素對煤價的影響程度，具體計算方法可以參照問題一的重要性程度來計算，則的計算公式為：

α=x1f1+x2f2+...+xkfkn

為了更為精確的預測未來受多種偶然因素影響的煤炭價格，我們在傳統ARIMA模型基礎上提出了ARIMA綜合預測模型，形成了一個更為全面的煤炭價格綜合預測模型。

結論：我們首先進行了突發情況煤炭運費單因素指標對煤炭價格影響程度的分析，通過煤炭價格和煤炭運費綜合指數的對比我們確定了運費的影響程度為1.6個百分點，為了預測突發情況的煤炭價格變化，我們結合指標提出了可修訂ARIMA模型，利用SPSS進行了模型的求解，通過進行秦皇島港動力煤歷史價格和模型預測值作對比驗證了模型的準確性，最終我們對秦皇島港動力煤未來40年的平均價格進行了可修訂ARIMA預測，可以根據修訂模型對不同突發情況進行修訂。

參考文獻：

[1]王雅萍.中國主要能源價格波動風險評價研究[D].江蘇大學，2016.

[2]郭建利，程蕾，孫博超，顏瑞.基于ARIMA-SVM的煤炭價格預測及實證研究[J].煤炭經濟研究，2016，36（02）：6-10.

[3]秦皇島煤炭網.

[4]用SPSS建立ARIMA預測模型.

[5]曾慶婷. 基于BP神經網絡的煤炭企業關鍵崗位人崗匹配模型研究[D].中國礦業大學，2015.

[6]龔立雄，劉世雄，王燦林.基于BP神經網絡的煤炭量消耗預測模型研究[J].湖北工程學院學報，2017，37（06）：73-77.

[7]李朋林，梁露露. 基于BP神經網絡的煤炭價格影響因素及預測研究[S].數學的實踐與認識，2015.9

[8]曹沉浮. 我國煤炭價格變動趨勢及其影響因素的實證研究[D].西安科技大學，2010.

[9]田書晶. 我國煤炭市場供求分析及其價格研究[D].對外經濟貿易大學，2006.