数学建模——-甲醇价格近期预测和长期预测模型.doc
- 文档编号:14763861
- 上传时间:2023-06-27
- 格式:DOC
- 页数:18
- 大小:416.50KB
数学建模——-甲醇价格近期预测和长期预测模型.doc
《数学建模——-甲醇价格近期预测和长期预测模型.doc》由会员分享,可在线阅读,更多相关《数学建模——-甲醇价格近期预测和长期预测模型.doc(18页珍藏版)》请在冰点文库上搜索。
甲醇价格近期预测和长期预测模型
摘要:
合理安排产品价格是公司企业取得良好收益的主要举措。
从区域经济发展和产品产业内在关系的视角,对影响产品价格的因素进行分析选择,在此基础上,利用各因素的相互联系,对产品的市场价格进行预测,又是帮助公司企业合理安排产品价格变动的主要方法。
本文对甲醇而言进行价格预测,甲醇的价格波动受到进口量、进口均价、出口量、出口均价、月产量和开工率的影响,利用多个因素的数据进行也测,有利于甲醇制造商对价格做出合理安排,既能让消费者满意,又能给自己带来最大的收益。
本题的最主要的问题在于误差,误差能尽可能减小,但不会消失。
为了接减少预测误差,本文采用多种方法对甲醇的价格进行短期、长期的预测。
关键词:
预测灰色预测权数神经网络
一、问题重述
1.1问题一
已知近期和近几年的甲醇市场变化和具体数值,对近期(一个月)的甲醇行情变化做出预测。
1.2问题二
在第一问的基础上,综合更多因素,对长期(一年)的甲醇行情变化做出预测。
1.3问题三
有代表性、指导性、真实性、前瞻性的价格指数模型(类PPI)和行业景气指数模型(类PMI)[1],是指导公司企业做出决策的重要指导方案。
1.4问题四
企业的发展离不开好的决策方法,根据以往数据和预测给出建议是很由必要性参考价值和的。
二、问题分析
2.1问题一
该题是一道短期预测题,短期预测的方法都很多,但是简单的方法受到的限制多,适用范围小,一次合理选择预测方法是一个难点。
在这个题目中,大量数据的处理同样是一个难点。
为了预测下一个月的平均单价,我们简化条件,处理数据采用灰色预测法,建立G(1,1)模型求解。
2.2问题二
该题同样是预测题目,除了问题一遇到的问题,另外,时间的变化,其他因素的影响也会造成价格的变动,考虑的要素增多,为了全面考虑,我们利用回归方程,建立线性方程组,多次求解,得到各因素的权重,进而解决问题。
2.3问题三
给出价格指数模型,景气指数模型,必要的问题是对两个概念的理解,涉及到经济方面的问题,难点在于经济预测和数学模型的联系,前两个问题的合理解决也有助于解决该题。
2.4问题四
该题主要是寻求建议方案,可在前三个问题的基础上给予合理的回复,难点是对前三个问题的理解和综合考虑。
三、模型假设
1.在一年内,甲醇的需求量没有急剧的变化;
2.在一年内,甲醇的生产技术、生产量没有大幅度的提高;
3.在一年内,金融等影响对甲醇销售市场的影响忽略不计;
四、符号说明
1.X(0)——原始时间序列;
2.X
(1)——后来生成序列;
3.a——为发展灰数;
4.μ——为内生控制灰;
5.wi——权数;
6.Pn——报告期价格;
7.qn——报告期表观消费;
8.P0——基期价格;
9.q0——报告期表观消费;
10.c——价格指数;
11.L——环比指数[2]。
五、模型建立及求解
5.1问题一
5.1.1预测方法
对于短期预测,我们要考虑的因素主要是近期所预测数据类型的变动。
比如,我们就华东地区的价格进行预测,主要是观察近期该价格的预测,然后通过预测的方法进行预测。
进行短期预测,我们有以下几种方法及其原理[3]:
方法
原理
移动平均法
是通过移动平均消除时间序列中的不规则变动和其他变动,从而揭示出时间序列的长期趋势。
指数平滑法
其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。
灰色预测法
灰色系统理论基于关联空间。
光滑离散函数等概念定义灰导数和灰微分方程。
进而用离散数据列建立微分方程的动态模型。
5.1.2模型建立
针对短期预测价格,无需考虑季节变化对进口量、进口均价、出口量、出口均价、月产量和开工率造成的影响,在这种假设下,短期预测也无需考虑前几年的波动,也就是说,我们如果对2015年1月份进行预测,只在2014年4月到12月的基础上进行预测。
在假设甲醇需求量没有急剧变化的前提下,采用灰色预测方法,建立G(1,1)[4]模型。
以甲醇单价为例:
月份
4
5
6
7
8
9
10
11
12
价格价
2796
2671
2603
2730
2594
2758
2570
2507
2226
2014年4月至12月甲醇单价(单位:
美元/吨)
但这一组数据能不能适用于我们所要建立的G(1,1)模型,这是需要检验的。
原始时间序列:
X(0)={X1(0),X2(0),X3(0),…Xn(0)};
后来生成序列:
X
(1)={X1
(1),X2
(1),X3
(1),…Xn
(1)}。
X
(1)(k)=k=2,…,n
对X(0)进行准光滑检验和对进行准指数规律检验:
设k=2,3…n
β=
若满足当k>3,1<β<1.5,P(k)[0,0.5],P(k)呈递减趋势,则称X(0)(k)为准光滑序列,具有准指数规律。
否则,进行一阶弱化处理:
X’(0)(k)=(X(0)(k)+X(0)(k+1)+…X(0)(n))
对数据进行光滑比检验:
月份
4
5
6
7
8
9
10
11
12
实际值
3298
3223
2825
2796
2671
2603
2730
2594
2758
X
(1)
3298
6521
9346
12142
14813
17416
20146
22740
25498
P(k)
0.98
0.43
0.30
0.22
0.18
0.16
0.12
0.12
Β
1.97
1.43
1.30
1.21
1.17
1.16
1.13
1.12
当k>3时,P(k)<0.5,1<β<1.5,则满足光滑性检。
则相对应的微分方程:
+ax1=μ
a和μ可以根据最小二乘法得出:
â=(a,μ)T=(BT,B)-1BTYN
B=
YN={X2(0),X3(0),…Xn(0)}T
由微分方程求得:
X’
(1)(k+1)=[X1(0)-]e-ak+k=0,1,2,…,n
此模型用了累加,得到的一次模型的累加量。
必须将模型所得数据X’
(1)(k)经过逆生成,累减还原为X’(0)(k)才能使用。
公式为:
x(0)(k)=x
(1)(k)-x
(1)(k-1)k=2,3…n
对20144-12月份的出口价格进行相应的计算
月份
4
5
6
7
8
9
10
11
12
实际值
2796
2671
2603
2730
2594
2758
2570
2507
2226
预测值
2796
2743
2696
2649
2603
2558
2514
2470
2427
模型检验(后验差检验):
`x=X(0)(k)=2606
S12=(X(0)(k)-`x)2=26051
q(k)=x(0)(k)-X’(0)(k)(q(k)称为残差,为实际值与预测值的差)
`q=q(k)=-0.11
 ̄S22=(q(k)-`q)2=11709
后验差比值:
c==0.45
后验差比值c越小越好,c越小估计值与实际值越接近。
等级
好
合格
勉强
不合格
后验差比值
<0.35
<0.5
<0.65
<=0.7
后验差比值等级表
可知,P(k)<=0.5,满足满足光滑性检验[5]。
建立G(1,1)模型,预测下一月份的出口均价。
通过Matlab软件预测下一月份的价格。
5.1.3模型求解
Matlab的形成如下:
clear
symsau;
c=[au]';
A=[279626712603273025942758257025072226];
Ago=cumsum(A);
n=length(A);
fori=1:
(n-1)
C(i)=(Ago(i)+Ago(i+1))/2;
end
Yn=A;Yn
(1)=[];
Yn=Yn';
E=[-C;ones(1,n-1)];
c=inv(E*E')*E*Yn;
c=c';
a=c
(1);u=c
(2);
F=[];
F
(1)=A
(1);
fori=2:
(1+n)
F(i)=(A
(1)-u/a)/exp(a*(i-1))+u/a;
end
G=[];G
(1)=A
(1);
fori=2:
(1+n)
G(i)=F(i)-F(i-1);
end
t1=1:
9;
t2=1:
10;
G
plot(t1,A,'o',t2,G)
运行结果,如图:
可得,下一个月的单价是:
2385。
5.2问题二
5.2.1预测方法
对于,长期预测,我们有以下方法[7]:
方法
原理
神经网络法
以人脑的组成结构和活动规律为背景,它反映了人脑的某些基本特征,但不是对人脑部分的真实再现。
模糊数学法
模糊数学就是用数学方法研究与处理模糊现象的数学。
优选组合法
利用数学原理,合理安排实验,以最少的试验次数找的最佳点,从而解决优选问题。
5.2.2模型建立
对长期预测,我们需要考虑多个因素,对于国内市场价格,是否受会到出口量、出口均价、进口量、进口均价、月产量、开工率的影响都在我们考虑范围以内。
为了验证,他们的影响关系,我们建立回归方程,用最小二乘法得到他们的相关性。
以单价和进口均价为例,他们的关系如图:
其中,横坐标为进口均价,纵坐标为单价。
有公式:
a=`y-`x
可得:
y=0.11986077x+2808.733
R2=0.74597561
由此可知,单价和进口均价有较大的关系。
以此类推,可得:
单价与进口量关系:
y=0.0151599x+2855.254R2=0.341038
单价与出口均价关系:
y=0.10992385x+2793.8R2=0.126946
单价与出口量关系:
y=0.0294594x+2854.6R2=0.1776379
单价与月产量关系:
y=-0.040391x+2963.949R2=0.195146
单价与开工率关系:
y=4.9035Ex+2854.61R2=0.3036698
由此,我们利用现行方程组建立以下回归方程:
y=w1x1+w2x2+w3x3+w4x4+w5x5+w6x6
利用以下数据求出权数w1、w2、w3、w4、w5、w6。
年份
月份
进口量x1
进口均价x2
出口量x3
出口均价x4
开工率x5
月产量x6
单价y
2011年
1
39.26
356.82
0.0386
1148.24
48.95%
130.3
2880.48
2
27.58
347.78
0.0244
808.26
49.34%
143.9
2878.25
3
53.32
347.24
0.0386
723.254
49.43%
181.7
2726.30
4
49.83
346.77
0.048
666.48
46.70%
176.8
2778.81
5
56.83
348
0.0389
671.45
50.59%
169.4
2811.82
6
59.54
355.52
0.3497
401.29
53.95%
171.7
2696.82
7
50.19
354.34
1.79
365.83
50.39%
155.73
2840.95
8
44.622
373.12
1.4075
386.69
50.29%
163.18
2953.26
9
37.97
389.82
0.5145
401.42
59.87%
178.25
3150.23
10
53.7
406.752
0.057
880.7
57.88%
173.7
3126.67
11
51.5
405.51
0.054
796.46
64.17%
172
2914.55
12
48.87
382.71
0.033
896.778
64.01%
168.1
2805.87
2012年
1
40.13
368.0555
0.83
406.83
61.48%
174.1
2899.00
2
39.14
379.24
1.54
384.3
57.55%
212.5
2889.52
3
49.15
383.15
0.0557
484.69
63.42%
226.2
2886.96
4
50
387.83
0.019
781.85
62.18%
215.25
3001.32
5
42.1
399.06
0.0254
685.45
58.05%
211.5
2997.38
6
26.74
400.96
1.05
408.08
61.02%
223.5
2785.25
7
25.92
381.42
0.0148
835.46
53.76%
197.1
2792.95
8
42.46
374.03
0.0184
790.75
57.08%
221.74
3073.10
9
36.88
365.86
0.011
1124.72
53.85%
240.9
2818.33
10
47.3
366.98
0.014
916.44
54.95%
216.8
2806.11
11
46.84
369.91
0.52
381.13
60.34%
235.6
2749.09
12
53.58
363.3
2.64
371.47
60.30%
210.3
2724.76
2013年
1
66.1
362.72
0.0226
1028.84
57.05%
222.5
2750.48
2
34.88
360.51
0.013
747.56
57.85%
230
2820.33
3
53.22
374.66
1.61
365.73
56.87%
234.91
2737.38
4
54.3
373.97
5.65
378.32
56.14%
232.93
2677.48
5
45.54
370.34
2.18
384.07
57.13%
218.4
2642.95
6
27.53
364.88
17.59
367.34
57.66%
225
2566.84
7
47.52
360.98
9.97
365.99
53.30%
226.1
2625.87
8
25.97
369.93
9.26
371.8
55.94%
232.3
2915.00
9
31.06
385.16
2.27
370.17
61.22%
246.2
3202.25
10
29.51
413.28
6.11
390.53
60.99%
267.8
3301.05
11
38.28
446.81
10.81
417.27
59.18%
252
3426.43
12
31.93
495
11.8
501.03
59.81%
263.76
3695.71
2014年
1
21.66
520.46
12.02
529.92
58.99%
274.21
3297.50
2
14
521.41
8.18
503.86
61.59%
281.51
3332.81
3
15.88
470.45
13.83
524.71
58.96%
274.99
2825.24
4
35.79
378.79
7.06
459.46
59.23%
292
2795.91
5
38.51
360.17
5.19
441.18
60.14%
302.7
2671.19
6
40.87
350.59
2.9
409.42
58.58%
308.23
2603.33
7
63.3
341.6
4.01
381.19
59.06%
316.72
2611.09
8
46.4
345.1
3.71
372.1
58.07%
357.97
2593.93
9
38.81
358.08
5.44
379.2
53.71%
345.3
2638.04
10
36.13
365.6
5.17
379
51.49%
299.9
2570.00
11
43.33
362.36
3.77
389.61
55.07%
302.2
2506.50
12
38.57
339.15
3.625
376.05
55.60%
320.6
2226.09
5.2.3模型求解
我们用Matlab实现如下(以2011年1月到6月为例):
所得结果:
可得以下数据:
w1
w2
w3
w4
w5
w6
1
0.251
12.331
-998.719
-0.489
-653.168
-4.7176
2
0.249
-0.009
-0.278
-0.008
-2.585
0.043
3
15.0549
7.6635
85.551
0.147
-916.738
-1.2554
4
0.061
0.0093
0.026
0
-2.549
0.003
5
-2.478
2.850
-9.786
0.201
841.885
6.284
6
-0.076
0.082
-0.134
-0.023
2.581
-0.032
7
0.0228
0.147
-0.0274
-0.007
-4.282
0.0049
8
-0.002
0.005
-0.037
0.041
-2.165
0.008
对所得权数进行处理,显然,w3、w4、w5为负值,舍去较大负的数和正数,然后求平均值,得到,对w1、w2、w6舍去负值,求平均数,进而解得:
w1
1.955
w2
2.885
w3
-1.283
w4
-0.066
w5
-1.448
w6
0.906
可得,y=1.955x1+2.885x2-1.283x3-0.066x4-1.448x5+0.906x6
然后,利用灰色预测G(1,1)模型对每个月的进口量、进口均价、出口量、出口均价、月产量和开工率进行预测,求取下一年每个月的单价。
结果为:
223523422340238223692504242624282335245224282353。
5.3问题三
5.3.1模型建立
2014年2-12月年全国月平均价格/表观消费如图:
月份
2
3
4
5
6
7
8
9
10
11
12
价格
2721
2515
2532
2440
2378
2415
2388
2475
2416
2324
2133
表观消费
273.33
261.16
284.94
297.51
305.33
312.71
354.26
339.86
294.73
298.43
316.975
c
883.14
970.07
976.06
976.26
1015.42
1137.47
1131.00
957.43
932.53
909.06
L
0.925
0.931
0.897
0.874
0.888
O.878
0.910
0.888
0.854
0.784
以2014年2月甲醇的表观消费为基期,基点为1000。
甲醛价格指数采取定基的方法进行计算。
其公式为:
C=*1000
5.3.2模型求解
环比指数公式为:
L=
可得指数模型。
由问题二我们得知月产量、出口均价、出口量、进口量、进口均价、开工率各自的权重,有层次分析法,我们可知:
很弱
弱
一般
强
很强
非常强
1
2
3
4
5
6
月产量
开工率
出口均价
出口量
进口量
进口均价
可得矩阵
A=
由Matlab可计算,归一后,可得权重为
(0.04780.10100.14150.21000.30310.1967)T
可得,单价
y=0.0478*月产量+0.1010*开工率+0.1415*出口均价+0.2100*出口量+0.3031*进口量+0.1967*进口均价。
5.4问题四
甲醛在我们的生产生活中有很重要的用途,甲醛除可直接用作消毒、杀菌、防腐剂外,主要用有机合成,合成材料、涂料、橡胶、农药等行业,合成树脂,表面活性剂、塑料、橡胶、皮革、造纸、染料、制药、农药、照相胶片、炸药、建筑材料以及消毒、熏蒸和防腐过程中均要用到甲醛。
可以说甲醛是化学工业的多面手。
甲醛是一种大众化工产品,30%的甲醇的用来生产甲醛,但甲醛的一般浓度较低,价格比甲醇低。
且从经济方面进行考虑不便于长距离输,所以进口极少,在考虑甲醛生产的原材料时,一般只考虑国内甲醇的市场价格。
根据附件中的数据及
(1),
(2),(3)建模结果可知,甲醇的价格变化是没有规律的,且在一定的范围内波动的。
调查相关资料得知,甲醛的供需关系稳定。
依据甲醇的价格变化,我们建议甲醛的市场价格应在一定范围内上下波动。
甲醛是工业制取甲醇的主要原料,其价格波动对甲醇的价格产生很大的影响,我们认为,影响甲醇的因素同样影响甲醇,三个问题的模型同样适用于甲醛。
六、模型评价与改进
6.1问题一
6.1.1模型优点
模型建立采用了灰色预测法,通过微分方程和G(1,1)模型的建立避免的大误差,数据取用了平均值,较多的数据有的合理的处理。
6.1.2模型缺点
模型只是预测了下个月份的平均值,但未对每个月进行预测,虽然尽可能的较少误差,但微分方程的求解并不熟练,为预测带来了较大的误差。
6.1.3模型改进
在预测下个月的单价时,有前几个月每日的真实值开始进行预测,直接预测以后30天的单价。
进行变动的地方是Matlab中进行预测的若干个数字,列出更多的数进行预测。
6.2问题二
6.2.1模型优点
题目数据给了多个月的进口量、进口均价、出口量、出口均价、月产量和开工率等数据,这些数据的应用是解决问题的基础。
合适处理大数据的方法让我们在解决权重系数时使误差减少,并综合灰色预测,得到解决渠道。
6.2.2模型缺点
问题中的数据相关性并不是都如单价和进口均价那么强,因此有误差,灰色模型的预测又带来误差,误差相对较大。
6.2.3模型改进
为了解决模型缺点遇到的问题,我们对模型进行以下改动。
模型:
y=w1x1+w2x2+w3x3+w
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数学 建模 甲醇 价格 近期 预测 长期 模型