發(fā)布時間：2022-04-27 19:46

　　稀土是極其重要的元素,具有豐富的性能,作為我國的戰(zhàn)略性資源其在高新技術領域具有舉足輕重的地位。我國稀土的總儲量穩(wěn)居世界第一。稀土的戰(zhàn)略性地位無疑成為了我國貿易戰(zhàn)中的一張潛力王牌。但稀土市場長時間缺少管理,導致稀土價格低廉,走私嚴重,且無限制的開采造成環(huán)境污染問題使我國遭受了極大的經濟損失,并且不利于掌握稀土的定價權。因此掌握其價格波動的變化規(guī)律,明確價格變動的影響因素,對我國提高利用稀土資源利用率有顯著意義,也是有效規(guī)避價格波動的必要手段。本文從稀土資源價格的影響因素出發(fā),考慮了供需因素及金融因素作為稀土產品的價格波動影響因素。構建基于蟻群優(yōu)化算法的BP神經網絡（ACO-BP）組合模型對稀土產品進行預測。首先利用主成分分析（PCA）消除稀土價格預測影響因素之間存在的冗余信息,降低BP神經網絡輸入數(shù)據維數(shù),提高預測精度;繼而運用蟻群算法尋找最優(yōu)的神經網絡閾值,以優(yōu)化模型收斂速度減小預測誤差。本文以輕稀土代表產品氧化釹、氧化鑭,氧化鈰,重稀土代表產品氧化鏑作為研究對象。選取2010年1月-2018年3月的月度數(shù)據,構建多因素ACO-BP組合模型進行預測。并且與未經優(yōu)化的BP神經網絡模型進行... 

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題的背景及研究意義
    1.2 主要研究內容
    1.3 文章的創(chuàng)新點
2 文獻綜述
    2.1 稀土產品價格研究現(xiàn)狀
    2.2 資源品價格影響因素的研究進展
        2.2.1 供需因素
        2.2.2 金融因素
    2.3 價格預測方法演進與啟示
        2.3.1 定性預測方法
        2.3.2 定量預測方法
        2.3.3 神經網絡預測方法
    2.4 蟻群優(yōu)化算法
    2.5 文獻評述
3 稀土資源現(xiàn)狀
    3.1 稀土產品類別
    3.2 稀土主要應用領域
    3.3 稀土進出口貿易情況
        3.3.1 稀土市場狀況
        3.3.2 中國稀土進出口量
    3.4 稀土價格波動特點及原因
        3.4.1 價格波動特點
        3.4.2 價格波動原因
4 基于主成分分析的混合預測模型構建
    4.1 主成分分析算法含義
        4.1.1 主成分分析的數(shù)學模型
        4.1.2 主成分分析中各統(tǒng)計量含義
    4.2 BP神經網絡
        4.2.1 BP網絡算法思路
        4.2.2 BP網絡算法過程
    4.3 蟻群算法
    4.4 ACO-BP模型構建
5 稀土價格預測
    5.1 影響因素的選擇及數(shù)據來源
    5.2 影響因素主成分提取
    5.3 多因素ACO-BP組合預測模型仿真
        5.3.1 氧化鈰的預測結果
        5.3.2 氧化釹的預測結果
        5.3.3 氧化鑭的預測結果
        5.3.4 氧化鏑的預測結果
    5.4 優(yōu)化與未優(yōu)化的BP預測模型比較
    5.5 本章小結
6 稀土價格波動預警系統(tǒng)構建
    6.1 價格波動預警系統(tǒng)
    6.2 預警系統(tǒng)閾值
        6.2.1 設定依據
        6.2.2 閾值標準
    6.3 預警結果驗證
7 結論展望及政策建議
    7.1 結論
    7.2 展望
    7.3 政策建議
參考文獻
在學研究成果
致謝


【參考文獻】：
期刊論文
[1]基于VAR模型的氧化釹價格分析及預測[J]. 盧虎生,劉璞.  稀土. 2020(02)
[2]基于混合模型的國際原油價格預測研究[J]. 張金良,李德智,譚忠富.  北京理工大學學報(社會科學版). 2019(01)
[3]基于ARIMA模型對氧化釹價格的預測分析[J]. 韓興國,張蕾.  鑄造技術. 2018(10)
[4]基于季節(jié)指數(shù)調整與HGWO-SVR算法的農產品價格預測模型[J]. 鄭薇,王燦強,李維德.  統(tǒng)計與決策. 2018(19)
[5]基于GM-RBF神經網絡的股票價格預測分析[J]. 劉述忠.  計算機與現(xiàn)代化. 2018(08)
[6]基于SDE的BP神經網絡股票價格預測[J]. 劉雯琦.  無線互聯(lián)科技. 2018(15)
[7]改進蟻群算法在鐵礦石價格指數(shù)預測中的應用[J]. 張智峰,王濤,蘭潔.  模糊系統(tǒng)與數(shù)學. 2018(02)
[8]稀土礦產資源的新成本視角[J]. 劉虹橋,吳西順.  中國國土資源經濟. 2018(02)
[9]不完全信息下稀土出口定價的博弈分析[J]. 董虹蔚,孔慶峰.  經濟與管理評論. 2017(05)
[10]灰色關聯(lián)分析與RBF神經網絡在我國棉花價格預測中的應用研究[J]. 張兆同,余潛.  價格月刊. 2017(09)

碩士論文
[1]國際大宗商品價格影響因素研究[D]. 羅國梁.新疆財經大學 2015



本文編號：3649063