基于數據挖掘的煤炭?jì)r(jià)格預測

第31卷第11期煤炭技術(shù)Vol.3I,No.112012 年11期.Coal TechnologyNovember,2012基于數據挖掘的煤炭?jì)r(jià)格預測陳增祥(蘇州農業(yè)職業(yè)技術(shù)學(xué)院，江蘇蘇州215008)摘要:人工神經(jīng)網(wǎng)絡(luò ) 與灰色理論都可以用來(lái)處理這種非線(xiàn)性、動(dòng)態(tài)序列的預測問(wèn)題。這兩種數據挖掘方法都各有其優(yōu)點(diǎn)與理論根據,究竟何種模型較適合煤炭?jì)r(jià)格預測,眾說(shuō)紛紜。為了避免顧此失彼,遺漏了一些重要的信息,本文研究了采用組合預測的方法.提出了將這兩種數據挖掘的方法進(jìn)行序列價(jià)格預測的方案,分析了方案的可行性。關(guān)鍵詞:非線(xiàn)性時(shí)間序列;價(jià)格預測;人工神經(jīng)網(wǎng)絡(luò );灰色理論中圖分類(lèi)號:C4文獻標識碼:B文章編號:1008-8725(2012)11-0281-00Coal price forecast on Based Data M liningCHEN Zeng- -xiang( Suzhou Agricultural Vocational and Technical College, Suzhou 215008, China )Abstract:Artifcial neural network(ANN) and grey theory(GT) both can be dealt with nonlinearnd dynamic series forecasting problem, both of which have their advantages and theoreticalgroundings. Which one best suits coal price prediction remains further research. In order tomake full use of both methods and avoid missing some important information, the paper studiesthe comprehensive prediction method and proposes a price prediction case by using both ANNand CT, and meanwhile, analyzes the feasbility o{ the case.Key words nonlinear time series price prediction; artficial neural network; grey theory表1_我國能源消費組成占能源消費總量的比重/%0我國能源消費的組成年份我國是世界上最大的煤炭生產(chǎn)國與消費國，煤炭占煤炭石油天然氣水電、 核電、風(fēng)電我國能源消費構成的一半以上,如表1所示。因此,煤炭72.220.73.1工業(yè)是我國國民經(jīng)濟發(fā)展中的一項重要的基礎產(chǎn)業(yè).煤1990年76.216.62.1炭?jì)r(jià)格受到諸多客觀(guān)因素的影響。煤炭?jì)r(jià)格可以看作一1995年74.2175個(gè)非線(xiàn)性時(shí)間序列，除了生產(chǎn)成本之外，還受到物價(jià)因2000年67.023.6素、安全因素、資源因素、社會(huì )因素、季節性因素、技術(shù)因2003年68.22.22.素、勞動(dòng)力因素、地質(zhì)因素:經(jīng)濟因素、稅收因素、人民幣2006年 .69.420.43.0匯率因素等的影響，導致價(jià)格波動(dòng)。反過(guò)來(lái)，煤炭作為一2008年183.種重要基礎能源，它的價(jià)格波動(dòng)也會(huì )影響社會(huì )的方方面因素,包括我國GDP、煤炭出廠(chǎng)價(jià)格指數、石油庫存水平、面,若能建立--套有效的煤炭?jì)r(jià)格預測系統,掌握價(jià)格變動(dòng)趨勢，則能對價(jià)格波動(dòng)提草制定相應措施。對社會(huì )的和煤炭年產(chǎn)量 煤炭?jì)Υ媪康忍接懥瞬捎媒M合預測的方法諧和穩定發(fā)展有著(zhù)一一定作用。進(jìn)行序列價(jià)格的預測，分析了方案的可行性。本文中采用由Granger and Ramanahan所提出的預1人工神經(jīng) 網(wǎng)絡(luò )預測測組合理論的回歸模型，將人工神經(jīng)網(wǎng)絡(luò )與灰色預測理人工神經(jīng)網(wǎng)絡(luò )是模仿人類(lèi)之神經(jīng)元對信息的處理系論所求得的解作預測組合。分析了煤炭?jì)r(jià)格的幾個(gè)主要統,屬于并行分散式的處理計算方式。人工神經(jīng)網(wǎng)絡(luò )須使益抵觸.不緊密轉變?yōu)槔嫒诤?、緊湊型。這樣,可實(shí)的動(dòng)態(tài)變化， 順應顧客需求變化，不斷創(chuàng )新?tīng)I銷(xiāo)思現互利共贏(yíng),減少渠道成本,為顧客讓利。維,優(yōu)化渠道結構,采取最優(yōu)銷(xiāo)售方法。(5 )強化渠道控制,推進(jìn)營(yíng)銷(xiāo)效益4結語(yǔ)煤炭企業(yè)控制營(yíng)銷(xiāo)渠道，是為了實(shí)現企業(yè)戰略煤炭企業(yè)建立并適應全新的現代化企業(yè)體制,規劃和運營(yíng)目標，而非形成壟斷和制約別的渠道成樹(shù)立全新的營(yíng)銷(xiāo)觀(guān)念，以市場(chǎng)為中心，以客戶(hù)為中員運營(yíng)。煤炭營(yíng)銷(xiāo)渠道控制手段呈現多樣化,應結合心，不斷優(yōu)化營(yíng)銷(xiāo)渠道建設， 有利于企業(yè)可持續地健時(shí)間、地點(diǎn)等具體情況差異采取不同措施,強化關(guān)鍵康發(fā)展。點(diǎn)的監督與管理:當煤炭市場(chǎng)處于供不應求時(shí),可先參考文獻:調高經(jīng)銷(xiāo)商煤價(jià)來(lái)帶動(dòng)整個(gè)市場(chǎng)煤價(jià)上揚，進(jìn)而推山劉常征,許繼斌,周正武,等 煤炭深度分銷(xiāo)模式優(yōu)化策略們]煤炭動(dòng)企業(yè)大客戶(hù)煤價(jià)上漲;當煤炭市場(chǎng)處于供大于求企業(yè)管理 20508):.62時(shí),應從長(cháng)遠角度立足于穩定市場(chǎng)和企業(yè)大客戶(hù),激[2) 董秀英淺談煤炭企業(yè)營(yíng)銷(xiāo)渠道管理J].集團經(jīng)濟研究,2000(03S): 160.勵經(jīng)銷(xiāo)商;當煤炭市場(chǎng)處于供求平衡時(shí),應合理調配煤炭品種銷(xiāo)售,科學(xué)調度發(fā)運.優(yōu)化渠道結構,注重凹華既擎報中國煤化工響及對策),重慶工學(xué)院學(xué)報,效益提高。此外，煤炭營(yíng)銷(xiāo)渠道控制應關(guān)注市場(chǎng)發(fā)展YHCNM H G責任編輯 李富文)收稿日期:2011-09-06;修訂日期:2012-10- -18作者簡(jiǎn)介:陳增祥( 1963-),男,江蘇蘇州人,講師,研究方向:計算機應用與數據庫。