發(fā)布時(shí)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(guó)的戰(zhàn)略性資源其在高新技術(shù)領(lǐng)域具有舉足輕重的地位。我國(guó)稀土的總儲(chǔ)量穩(wěn)居世界第一。稀土的戰(zhàn)略性地位無疑成為了我國(guó)貿(mào)易戰(zhàn)中的一張潛力王牌。但稀土市場(chǎng)長(zhǎng)時(shí)間缺少管理,導(dǎo)致稀土價(jià)格低廉,走私嚴(yán)重,且無限制的開采造成環(huán)境污染問題使我國(guó)遭受了極大的經(jīng)濟(jì)損失,并且不利于掌握稀土的定價(jià)權(quán)。因此掌握其價(jià)格波動(dòng)的變化規(guī)律,明確價(jià)格變動(dòng)的影響因素,對(duì)我國(guó)提高利用稀土資源利用率有顯著意義,也是有效規(guī)避價(jià)格波動(dòng)的必要手段。本文從稀土資源價(jià)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(chǎn)品的價(jià)格波動(dòng)影響因素。構(gòu)建基于蟻群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)（ACO-BP）組合模型對(duì)稀土產(chǎn)品進(jìn)行預(yù)測(cè)。首先利用主成分分析（PCA）消除稀土價(jià)格預(yù)測(cè)影響因素之間存在的冗余信息,降低BP神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)維數(shù),提高預(yù)測(cè)精度;繼而運(yùn)用蟻群算法尋找最優(yōu)的神經(jīng)網(wǎng)絡(luò)閾值,以優(yōu)化模型收斂速度減小預(yù)測(cè)誤差。本文以輕稀土代表產(chǎn)品氧化釹、氧化鑭,氧化鈰,重稀土代表產(chǎn)品氧化鏑作為研究對(duì)象。選取2010年1月-2018年3月的月度數(shù)據(jù),構(gòu)建多因素ACO-BP組合模型進(jìn)行預(yù)測(cè)。并且與未經(jīng)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)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?jī)?nèi)容
    1.3 文章的創(chuàng)新點(diǎn)
2 文獻(xiàn)綜述
    2.1 稀土產(chǎn)品價(jià)格研究現(xiàn)狀
    2.2 資源品價(jià)格影響因素的研究進(jìn)展
        2.2.1 供需因素
        2.2.2 金融因素
    2.3 價(jià)格預(yù)測(cè)方法演進(jìn)與啟示
        2.3.1 定性預(yù)測(cè)方法
        2.3.2 定量預(yù)測(cè)方法
        2.3.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法
    2.4 蟻群優(yōu)化算法
    2.5 文獻(xiàn)評(píng)述
3 稀土資源現(xiàn)狀
    3.1 稀土產(chǎn)品類別
    3.2 稀土主要應(yīng)用領(lǐng)域
    3.3 稀土進(jìn)出口貿(mào)易情況
        3.3.1 稀土市場(chǎng)狀況
        3.3.2 中國(guó)稀土進(jìn)出口量
    3.4 稀土價(jià)格波動(dòng)特點(diǎn)及原因
        3.4.1 價(jià)格波動(dòng)特點(diǎn)
        3.4.2 價(jià)格波動(dòng)原因
4 基于主成分分析的混合預(yù)測(cè)模型構(gòu)建
    4.1 主成分分析算法含義
        4.1.1 主成分分析的數(shù)學(xué)模型
        4.1.2 主成分分析中各統(tǒng)計(jì)量含義
    4.2 BP神經(jīng)網(wǎng)絡(luò)
        4.2.1 BP網(wǎng)絡(luò)算法思路
        4.2.2 BP網(wǎng)絡(luò)算法過程
    4.3 蟻群算法
    4.4 ACO-BP模型構(gòu)建
5 稀土價(jià)格預(yù)測(cè)
    5.1 影響因素的選擇及數(shù)據(jù)來源
    5.2 影響因素主成分提取
    5.3 多因素ACO-BP組合預(yù)測(cè)模型仿真
        5.3.1 氧化鈰的預(yù)測(cè)結(jié)果
        5.3.2 氧化釹的預(yù)測(cè)結(jié)果
        5.3.3 氧化鑭的預(yù)測(cè)結(jié)果
        5.3.4 氧化鏑的預(yù)測(cè)結(jié)果
    5.4 優(yōu)化與未優(yōu)化的BP預(yù)測(cè)模型比較
    5.5 本章小結(jié)
6 稀土價(jià)格波動(dòng)預(yù)警系統(tǒng)構(gòu)建
    6.1 價(jià)格波動(dòng)預(yù)警系統(tǒng)
    6.2 預(yù)警系統(tǒng)閾值
        6.2.1 設(shè)定依據(jù)
        6.2.2 閾值標(biāo)準(zhǔn)
    6.3 預(yù)警結(jié)果驗(yàn)證
7 結(jié)論展望及政策建議
    7.1 結(jié)論
    7.2 展望
    7.3 政策建議
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于VAR模型的氧化釹價(jià)格分析及預(yù)測(cè)[J]. 盧虎生,劉璞.  稀土. 2020(02)
[2]基于混合模型的國(guó)際原油價(jià)格預(yù)測(cè)研究[J]. 張金良,李德智,譚忠富.  北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2019(01)
[3]基于ARIMA模型對(duì)氧化釹價(jià)格的預(yù)測(cè)分析[J]. 韓興國(guó),張蕾.  鑄造技術(shù). 2018(10)
[4]基于季節(jié)指數(shù)調(diào)整與HGWO-SVR算法的農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)模型[J]. 鄭薇,王燦強(qiáng),李維德.  統(tǒng)計(jì)與決策. 2018(19)
[5]基于GM-RBF神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)分析[J]. 劉述忠.  計(jì)算機(jī)與現(xiàn)代化. 2018(08)
[6]基于SDE的BP神經(jīng)網(wǎng)絡(luò)股票價(jià)格預(yù)測(cè)[J]. 劉雯琦.  無線互聯(lián)科技. 2018(15)
[7]改進(jìn)蟻群算法在鐵礦石價(jià)格指數(shù)預(yù)測(cè)中的應(yīng)用[J]. 張智峰,王濤,蘭潔.  模糊系統(tǒng)與數(shù)學(xué). 2018(02)
[8]稀土礦產(chǎn)資源的新成本視角[J]. 劉虹橋,吳西順.  中國(guó)國(guó)土資源經(jīng)濟(jì). 2018(02)
[9]不完全信息下稀土出口定價(jià)的博弈分析[J]. 董虹蔚,孔慶峰.  經(jīng)濟(jì)與管理評(píng)論. 2017(05)
[10]灰色關(guān)聯(lián)分析與RBF神經(jīng)網(wǎng)絡(luò)在我國(guó)棉花價(jià)格預(yù)測(cè)中的應(yīng)用研究[J]. 張兆同,余潛.  價(jià)格月刊. 2017(09)

碩士論文
[1]國(guó)際大宗商品價(jià)格影響因素研究[D]. 羅國(guó)梁.新疆財(cái)經(jīng)大學(xué) 2015



本文編號(hào)：3649063