基于组合模型的国内矿产资源消耗预测——以铜为例

摘要

铜作为一种不可再生的基础材料和重要的战略物资,它的消耗量仅次于铝,中国已成为全球最大的铜消耗国,国内需求旺盛,但是铜矿资源短缺,已成为制约我国经济发展的瓶颈。我国铜矿资源进口量大,但在国际市场丧失话语权。国内铜工业的健康发展面临着巨大的挑战,因此科学准确的对国内铜的消耗量进行预测,是矿产资源管理者做出正确决策的前提和依据,面对各种复杂多变的市场信息,很难做出正确的决策,如何准确的对铜消耗量进行预测成了当前金属矿业的迫切的需求。
　　 但是目前我国对铜的消耗量预测方面,还存在很多的问题,例如:预测趋势不正确,预测精度不高等,这方面的研究还主要应用定性预测,预测的结果并不是很理想,一些很好的预测模型还没有应用到这个领域,针对这个问题,本文在四川省教育厅科研项目,主要矿产资源消耗预测技术研究及应用课题的支持下,提出了将现今比较流行的预测模型应用于铜的消耗量的预测之中,以提高铜的消耗量的预测精度的解决方案。
　　 论文的第一部分是对预测模型的意义和特点进行分析,影响铜的消耗量的主要因素进行分析,并在此基础上,对常用的预测方法例如灰色预测模型,指数平滑预测模型和BP神经网络等预测模型及特点进行综述,并分析上述的模型在应用中的优缺点,阐述组合预测模型的合理性和可行性,并针对几种组合模型设计出具体的建模步骤。
　　 在建模过程中,首先对单一预测模型进行训练,通过验证对模型的参数进行优化，得到最优的模型配置,以得到适合本数据的较好的预测结果。然后进行组合模型的设计,将模型分为因素预测和结果预测两个部分,结合模型的优势,以达到提高预测精度的目的。本文把预测内容分成两个部分:因素预测和结果预测。因素预测部分,采用单一预测模型对影响铜的消耗量的因素序列进行预测,然后将这部分的预测结果作为结果预测的输入,而结果预测模型采用BP神经网络回归预测模型和GM(1,N)模型,训练后得到最终的预测结果。本文中共建立了6种组合预测模型和3种单一预测模型。组合模型是:ANN+ANNGM(1,1)+ANN TS+ANN ANN+GM(1,N)GM(1,1)+GM(1,N)TS+GM(1,N),单一预测模型是:BP神经网络模型ANN,灰色系统预测模型GM(1,1)和时间序列三次指数平滑预测模型TS。
　　 模型设计设计完后,本文把国内铜的消耗量及相关的影响因素作为样本,来训练模型。在训练的过程中不断的试选参数得到最佳的预测效果。得到预测结果后,本文用RMSE误差来对模型的结果进行对比分析。
　　 通过以上的工作,本文可以得到以下的结论:
　　 (1)单一预测模型中,灰色预测模型在长期预测中的效果并不理想,它适合短期的预测问题。三次指数平滑预测模型在预测本实验数据的未来走向趋势上要比其他两种模型的预测效果好。
　　 (2)在所有的组合预测模型中GM(1,1)+ANN模型的预测效果最好。但组合预测的效果并不一定比单一预测模型的预测效果好,ANN+ANN模型的效比较差,甚至要比单一预测模型差,其中可能是因为这两个系统的相关性较大,所以我们在选用单一模型进行组合时,应该选用相关性较低的模型进行组合。
　　 本文在撰写的过程中还有很多的不足需要改进,例如数据量少,预测模型的组合方法形式限于较简单的串联方式,没有充分利用两种模型的优势,今后在组合方式上多种探究,另外,模型的参数选取时,采用试算法,不够科学,严谨。