李文瑩

摘 要：本文提出了基于GRNN神經網絡對煤炭價格波動進行預測的理論，通過GRNN神經網絡，利用MATLAB和WEKA等軟件以及粗糙集等理論分析并驗證了國內生產總值、煤炭生產總量、消費總量等因素對煤炭價格波動的影響。成功實現(xiàn)了對煤炭價格波動基于GRNN神經網絡的訓練和預測；建立了煤炭價格波動的預測模型，大大提高了預測的準確度；基于GRNN神經網絡的預測結果準確率為87.5%。結果表明：GRNN神經網絡對煤炭價格波動的預測是較成功的。

關鍵詞：GRNN神經網絡；煤炭價格；價格波動；預測

1.引言

煤炭、石油、天然氣構成了當今中國能源的主體，在經歷了煤炭經濟的“黃金十年”期之后，煤炭經濟形勢不容樂觀。生產成本居高不下，煤炭價格下跌，引發(fā)煤炭行業(yè)的危機。很多專家學者也對此問題進行了研究。文獻[1]和[2]對煤炭價格的影響因素進行了全面的分析，但是缺乏對煤炭價格變化趨勢的預測[1～2]；文獻[3]重點在于研究區(qū)域性的影響結果，并提出了相應的措施，但是研究不具有普遍性[3]；文獻[4]對煤炭價格進行了預測，但在分析影響因素時尚有欠缺[4]；文獻[5]利用誤差修正模型對影響煤炭價格因素進行了實證分析，得出煤炭需求波動是價格波動的格蘭杰原因[5]。以上文獻大都針對煤炭價格影響因素進行分析，但是在分析之后對煤炭價格預測的研究較少。本文擬通過對影響煤炭價格的內部因素和外部因素進行分析，并對未來的走勢做出相應的預測，建立煤炭價格波動的預測模型。

2.煤炭價格影響因素的分析

通過查閱文獻[5]～[9]，發(fā)現(xiàn)煤炭價格直接反應了本行業(yè)的供需變化，同時是國家經濟形勢的具體表現(xiàn)。本文確定煤炭價格的影響因素如下：

本文重點分析國民經濟發(fā)展狀況與供需變化對煤炭價格的影響。國民經濟發(fā)展情況是一個影響煤炭價格變化的綜合性因素。它的變化可以帶來很多其他外部影響因素發(fā)生變化。例如：人民幣匯率的變化，煤炭生產量的變化，國家相關政策的變化等。在對國民經濟發(fā)展狀況進行分析時，一般將國民生產總值（GDP）作為量化的標準。本文中采用國民生產總值這一指標對煤炭價格的影響情況進行量化分析。

在經濟學原理的完全競爭市場條件下，供需的變化是決定市場價格的一個重要因素。煤炭供需因素包括煤炭儲量、煤炭供需總量差額、煤炭運輸能力和煤炭的分布與開發(fā)順序。煤炭供需總量又包括煤炭產量、煤炭消費量、煤炭資源儲備情況等[1]。本文利用煤炭生產總量和煤炭消費總量兩個指標代表供需因素，進行量化分析。

我國煤炭的主要產地與主要消費地距離遠，并且煤炭自有資源有限，基本是地下開采，開采成本高，煤炭市場價格高。對于某些消費地，進口的煤炭運距短，而且這些國家煤炭開采成本低，具有價格優(yōu)勢[1]。由于我國國內經濟發(fā)展快速，煤炭資源市場供需有缺失，煤炭開采成本高，因此煤炭價格不斷上漲。本文采用煤進口量和煤出口量兩個指標代表進出口因素進行分析。

3.煤炭價格預測

3.1樣本采集及預處理

本文收集了煤炭價格5個影響因素近9年每季度的數(shù)據(jù)，共36組，將前28組作為訓練樣本，后8組為待測樣本。

應用WEKA對這五個指標進行歸一化處理，為了方便，我們記國內生產總值GDP為A1、煤炭進口總量為A2、原煤總產量為A3、煤炭銷量為A4、煤炭出口總量為A5、煤炭價格為C，價格下降表示為-1，上升表示為1，本文以2003年4季度的全國煤炭平均價格作為基期的煤炭價格。

然后對歸一化的原始數(shù)據(jù)進行離散化處理，離散化處理后，對樣本數(shù)據(jù)進行屬性約簡。發(fā)現(xiàn)五個影響因素均不可刪除，將歸一化處理以及屬性約簡后的數(shù)據(jù)作為新的樣本數(shù)據(jù)。

3.2模型預測

運用MATLAB軟件，通過編寫以下程序在對樣本進行訓練的過程中尋找最佳spread值，從而對待預測樣本進行預測。spread值的作用是使輸出結果達到最優(yōu)化，最佳spread值為0.1，通過對28組樣本進行訓練，并對8組待測樣本進行預測，其預測程序如下：

3.3結果分析

根據(jù)預測結果（表4）可知，GRNN神經網絡的預測結果中，只有第29組待測樣本的預測結果與實際情況不相符，其余7組的預測結果與實際情況相符，預測正確率為87.5%（7/8）?？梢姡傮w而言，GRNN神經網絡預測較為準確。

4.結論

（1）本文通過利用GRNN神經網絡，對影響煤炭價格波動的五個因素進行了訓練和分類，利用28組數(shù)據(jù)驗證了五個影響因素對煤炭價格波動的影響。

（2）利用MATLAB、WEKA等軟件，對8組待測樣本進行了基于GRNN神經網絡的訓練和預測，預測結果準確率為87.5%（7/8）。

（3）建立了煤炭價格波動的預測模型，通過計算證明其預測結果在一定程度上優(yōu)于理論公式法和經驗公式法，大大提高了預測的準確度?？梢娎肎RNN神經網絡對煤炭價格波動進行預測是可行的。（作者單位：山東科技大學）

參考文獻：

[1] 劉艷敏.煤炭價格影響因素分析及機制研究[D].中國礦業(yè)大學（北京），2012.

[2] 何慧.基于傳遞函數(shù)的我國煤炭價格模型及其應用研究[D].北方工業(yè)大學，2013.

[3] 賈琳.煤炭價格波動及其對區(qū)域經濟發(fā)展的影響研究[D].山西財經大學，2010.

[4] 江連洪.影響煤炭價格因素的相關性分析與預測[D].東北財經大學，2007.

[5] 謝守祥，譚清華，宋陽.影響煤炭價格因素的相關性分析與檢驗[J].統(tǒng)計與決策，2006，22：57-60.

[6] 丁志華，趙潔，周梅華.基于VEC模型的煤炭價格影響因素研究[J].經濟問題，2011，03：45-48.

[7] 張同功，雷仲敏.煤炭價格波動的影響因素分析[J].中國能源，2005，12：16-19.

[8] 丁志華，李文博，周梅華，何凌云.煤炭價格波動對中國實體經濟的影響研究[J].北京理工大學學報（社會科學版），2014，02：18-23.

[9] 鄒紹輝，張金鎖.我國煤炭價格變動模型實證研究[J].煤炭學報，2010，03：525-528.

[10] 王小川，史峰，郁磊，李洋.MATLAB神經網絡43個案例分析[M].北京：北京航空航天大學出版社，2013.8.

[11] 丁碩，常曉恒，巫慶輝.GRNN與BPNN的函數(shù)逼近性能對比研究[J].現(xiàn)代電子技術，2014，07：114-117.