论文部分内容阅读
核能作为一种技术上成熟,成本上廉价,环境上清洁的新能源,远远比煤炭等传统能源具有更大的经济及环保优势。因此,随着社会的不断发展,核能作为一种即清洁又经济的能源必将得到更加深入及广泛的应用。而铀矿作为核能的物质基础,它对核能发展的重要程度就不言而喻。随着我国核能发展规模的不断扩大,国内铀矿的储量是否能满足未来核能的发展成为一个严峻的问题。在此背景下,我国对铀资源的需求就会越来越依赖国际市场,因此研究铀资源产品价格走势对我国在国际市场上进行铀资源产品的购买时机的决策具有重要的参考价值。本文根据铀资源产品的价格波动特性,经过EMD方法分解数据信号后,应用BP神经网络方法对其价格进行预测。在借鉴前人利用EMD方法对价格序列信号进行分解及利用人工智能预测方法的基础上,着重于铀资源产品价格的预测,探讨预测方法的科学性。本文主要包括三个部分,有六个章节。第一部分理论部分,主要分布在第一、二、三章节,本部分除了对选题依据、背景及国内外的相关研究做了阐述,还分别介绍了时间序列预测方法国内外的研究状况、EMD方法(经验模态分解方法)及BP神经网络。最后主要是对EMD算法和BP神经网络的组合方法进行简介。第二部分实证部分,此处包括第四至第五章,分别做了三个实证分析:第一个分析是通过经验模态分解方法对价格信号进行模态分解,根据模态分解后的本征函数序列及残差项序列的特征对天然铀价格的波动特征进行研究。。第二个实证是传统线性回归模型预测的适应性检验,为EMD-BP神经网络预测方法提供一个科学性的比较。最后一个实证分析是基于EMD-BP神经网络方法的铀资源价格预测,主要利用的是分解后的本征模态函数对原序列进行平缓处理后,运用BP神经网络方法对短期内的铀资源产品价格进行预测。第三部分结论部分,主要是在第六章,是根据实证研究结果得出本文的主要结论及对此项研究进行展望。本文的创新点为:(1)将EMD方法及BP神经网络方法结合起来对铀价格进行预测研究在国内尚属首次,虽然有学者利用过支持向量机、BP神经网络等方法对该产品进行价格预测,但是使用EMD方法先对数据进行平滑处理后再利用人工智能方法进行铀资源产品价格预测仍属首次。(2)现代智能的预测方法对非平稳、非线性数据的预测处理要远远优于传统的线性方法,而进一步利用EMD方法对数据进行平缓预处理,可以使得其预测精确度比单单使用现代智能方法进行预测要高的多,这对我国企业掌握在国际市场进行天然铀买卖的时机提供了有利的参考。