2020五一数学建模A题 论文 煤炭价格预测问题

本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。 在当今世界能源结构转型的大背景下，煤炭作为传统能源的地位正在发生显著变化。2020年五一数学建模竞赛的A题，即秦皇岛煤炭价格预测问题，就显得尤为关键与现实。煤炭价格的波动不仅关系到能源市场的稳定，也对经济运行产生深远影响。因此，本研究尝试通过构建数学模型来预测秦皇岛煤炭价格，为相关政策制定提供参考。 煤炭价格的预测并非易事，它受到多种复杂因素的影响。影响煤炭价格的因素是多方面的，既有经济因素，如煤炭需求量的变化，也有政策和技术因素，例如环保政策的实施、新能源的开发利用等。此外，国际市场的煤炭供求关系和价格走势也对我国煤炭市场产生影响。所有这些因素共同作用于煤炭价格，形成了一个动态变化的复杂系统。因此，预测模型需要综合考虑这些内外因素，才能对煤炭价格的未来走势做出较为准确的判断。 在研究中，我们首先通过文献搜索和数据绘图分析来确定影响煤炭价格的关键因素。通过分析历史数据，我们可以发现，煤炭价格的变化趋势受到多种因素的共同作用。例如，煤炭的需求量在不同时间段有着不同的变化情况。在2006年至2012年间，由于工业化和城市化的加速发展，对煤炭的需求量持续上升，导致煤炭价格也呈上升趋势。然而，随着环保政策的加强和新能源技术的推广，煤炭需求量开始减少，煤炭价格也随之下降。这种变化在一定程度上反映了能源结构转型对煤炭价格的影响。 在确定了影响因素后，接下来的研究步骤是运用层次分析法（AHP）来评估这些因素的相对重要性。层次分析法通过构建递阶层次结构，将复杂的决策问题分解为多个组成部分，然后通过专家的主观判断来评价各因素的重要性，最终得出各因素的权重。这种方法能够有效地将定性分析与定量分析结合起来，为后续的模型构建提供科学依据。 根据AHP得出的因素权重，我们进一步构建了BP神经网络预测模型。BP神经网络是一种典型的多层前馈神经网络，它通过非线性变换和误差反向传播进行学习和训练。在构建模型时，我们首先需要收集大量的历史数据作为样本，包括煤炭的需求量、能源消耗结构、国际市场价格等。通过这些样本数据对神经网络进行训练，调整网络中的权重和阈值，使得网络输出与期望输出之间的误差最小化。这个过程需要反复迭代，直到网络参数收敛到一个相对稳定的值。最终，经过训练的神经网络能够根据输入的新数据进行预测，输出最接近实际市场情况的价格。 通过数学建模和神经网络，本研究构建了一个综合多种影响因素的煤炭价格预测模型。该模型不仅能够提供煤炭价格的定量预测，还能够通过分析各影响因素的权重来揭示煤炭价格变化的内在机制。这对于理解当前煤炭市场的动态，把握能源政策方向，以及制定相关经济决策都具有重要的参考价值。 通过科学的方法构建模型，可以对煤炭价格的未来走势进行较为准确的预测。随着我国能源结构的不断优化和技术的不断进步，煤炭价格预测模型也将更加完善，更好地服务于经济和社会的发展需要。