矿业研究与开发

作者：樊园杰，睢祎平，张磊，郝尚凯，王斌

关键词：动力煤﹔价格预测;循环神经网络﹔长短期记忆模型﹔LSTM-SVR组合模型

煤炭是重要的基础能源﹐特别是动力煤在我国占有极高的战略地位,但煤炭价格的预测却十分困难。引入循环神经网络(RNN)对动力煤价格进行预测,在此基础上针对动力煤价随时间变化起伏大的特点,通过优化RNN模型,建立了长短期记忆模型(LSTM),引入支持向量回归机模型(SVR),通过串联的方式形成LSTM-SVR组合模型,以减少单一模型进行预测的风险,提高预测结果的精度。同时采用滑动平均法,以提高特征数据与动力煤价格的相关性。结果表明,经 LSTM-SVR组合模型预测的2023年上半年山西动力煤价发展趋势与实际煤价有着较高的线性拟合性,预测准确率达到95.69%。该模型预测2024 年山西动力煤价格将逐渐降低,从最高约1200元/t降低至700元/t。研究成果对煤炭企业调整经营战略、优化内部资本结构、维持整个行业长期稳定发展具有重要意义。

来源：2024年第4期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第4期