基于层次分析与RBF神经网络模型的煤炭价格预测研究*

饶世杰 肖欢畅

(中国民用航空飞行学院飞行技术学院,四川德阳 618307)

0 引言

煤炭属大宗商品,其价格既受国家宏观调控及政府部门监控,又受国内煤炭市场的影响。除此之外,气候变化、能源消耗结构、国际煤炭市场等其他外界因素也会引起煤炭价格波动。对于煤炭价格分析与探讨,前人的研究并不在少,然而,随着时代的发展与网络的普及,商品的产业化、世界化、关联性、对比度等一系列的现代化数据关联与影响越来越凸显。当前,缺少这些参数指标建立数据处理分析预测模型,来作为煤炭价格政策的意见参考。本文将建立分析模型与预测模型,并结合国内外的数据及事件,优化当前的政策指标,以及加强应对突发情况的能力。

1 影响因素获取

价格因素始终是复杂多变的,某些因素甚至在不同的时间段具备不同的影响力,同时,本文设立的煤炭价格影响因素,其参考文献时间跨度较久,因此本文采用的方法是在理想假设的条件下建立的。在阅读大量文献后,通过病例对照试验、队列研究的方法,经过异质性检验和合并效应量后获得了表1所示的影响价格因素的重要性。

经过文献对比后得出结论:煤炭的供求、煤炭进出口、运输及开采成本、煤炭库存、国际煤炭行情、其他替代能源、上下游产品价格以及与其相关工业等都对煤炭价格有影响。其中,如国家政策、宏观经济对其他因素具有决定作用,这也符合我国政府对煤炭等大宗商品的宏观把控的现实。

在各因素相互影响的情况下,不同因素会占据不同的地位,因此,本文决定采用层次分析法建立因素分析的优化模型,同时可以为后续的排序提供铺垫。基于上述因素的基本分析发现,国家政策与宏观经济属于最上层的影响因素,并且调控其余因素,因此本模型暂不讨论此类因素,仅以市场因素作为讨论对象,进行层次分析以确定权重。

表1 影响价格因素的重要性Tab.1 Importance of price factors

通过层次分析法,将多个影响煤炭价格的因素按照它们之间的相互关系将其层次化,建立层次结构模型,然后逐层分析获取重要性的权重,如图1所示。这种自上而下的分析结构,通过指标间的相互比对获取重要性排序,构建判断对比矩Q阵,进行单层次排序对比计算。经计算,该矩阵最大特征根λmax=6.0382(QV=λmaxV),CI=0.0076,CR=0.0061≤0.1,该模型通过一致性检验,具有可靠性。

最后得到的各因素权重,如表2所示。

本文选取了2019年5月1日至2020年4月30日期间秦皇岛港动力煤平均价格波动作为实际数据依据,分析近期影响煤炭价格的主要因素,如图2所示。分析发现,2019年5月1日至2020年4月30日期间,秦皇岛港动力煤价格总体呈下降趋势,在2019年7、8月份出现过较小幅度的反弹,在11月份下降趋势放缓,并迎来较长一段时间的回升,但是在2020年3月中旬开始大幅下跌。

图1 层次结构模型简图Fig.1 Brief diagram of hierarchical structure model

表2 层次分析模型计算结果Tab.2 Calculation resultsofAnalytic hierarchy model

图2 2019年5月1日至2020年4月30日秦皇岛港动力煤价格波动图Fig.2 Thermal coal price fluctuations in Qinhuangdao Port from May 1, 2019 to April 30

经过查阅相关文献发现,近年来我国煤炭一直处于产能过剩状态,而且近三年我国煤炭去产能超8亿吨,煤矿数量减少到5700处[7],供应端和供应量已大幅减少;而且国际煤炭价格相对较低,进口量基本逐年增加,每年进口约2～3亿吨的煤炭[7];同时近年来国家一直推行的“节能减排”“关闭高耗能企业”等措施,也给煤炭行业造成不小的冲击,所以,煤炭价格的持续走低是多方面因素构成的。

对于2019年7、8月份的价格反弹与11月开始的价格回升,属于夏季与冬季用电高峰期的市场正常调节,由市场供需变化直接决定的。但是,往年2月上旬的春节用煤淡季,在2020年却推迟至3月中旬发生,而且期间还出现了价格上涨的反常情况。究其原因，首先是二月上旬北方地区仍处在冬季燃煤供应的时节,但由于煤矿的生产放缓,产量较低,且煤炭运输受到了限制,出现供应链短缺问题；此外，积压的库存在冬季燃煤供应中已消耗大半。这些因素共同造成了2月上旬秦皇岛港动力煤价格的中幅上涨(与12月的小幅上涨作比)。

3月中旬至4月底是煤炭价格下滑最剧烈的时间段,处于往年春季用煤淡季,居民用电量也较低,而水利发电量回升,这些市场因素决定煤炭价格大幅下滑。此外,当年下游企业的开工状况一直不容乐观，与往年的春节淡季类似,由于需求端的缺失,导致价格持续走低。可以认为,此期间的价格滑落是春季淡季与“类”春节淡季叠加引起的。

综上分析,影响2019年5月1日至2020年4月30日期间,秦皇岛港动力煤价格的主要因素排序为:煤炭需求、煤炭供应、煤炭库存、国际煤炭进口、特殊时期的国家政策、长久但已接近尾声的国家政策。

2 预测模型研究

为了进一步建立煤炭价格的预测模型,查询秦皇岛港2006年7月至2020年4月间动力煤平均价格,其波动折线图如图3所示。

本文选取RBF神经网络来建立煤炭价格预测模型,其基本思想是:用RBF作为隐含层每一个元素的“基”以构成隐含层,便可以将输入的矢向量直接投影到隐含层中,而避免了运用“权”连接。而第二次的线性映射,将输出作为“隐元素”的线性权加和,精度更高,准确性更强。其中,隐含层的作用是把低维向量的i映射到高维的Sk,这样低维线性不可拆分的情况变为高维线性可拆分了,其主要核心思想模式图如图4所示。

图4 神经网络结构模型Fig 4 Model of neural network structure

图3 2006年7月至2020年4月秦皇岛港动力煤价格波动图Fig.3 Thermal coal price fluctuations in Qinhuangdao Port from July 2006 to April 2020

图5 RBF神经网络模型预测三年内煤炭价格走势Fig.5 RBF neural network model predicts coal price trends in three years

本文只考虑了煤炭需求、煤炭供应、煤炭存储、煤炭进口四个因素作为输入数据,将100天的煤炭价格历史数据作为参考,将8年(2009-2016)的影响因素历史数据代入。接下来引入径向基函数(RBF),RBF是一个取值依赖于离原点距离的函数,包括:

两种表达方式。为了使函数模型更具有可参考性,需要建立两个参数:中心参数 和宽度参数 。最常用的RBF是高斯函数如下:

式(2)中,c为函数中心点,(x-c)为函数中心,σ为函数宽度参数,用来控制函数的径向作用范围。在此基础上进行网络计算,可以获得网络模式结果如下:

式(3)中,ω为调整参数,在进行仿真模拟的计算中,常会出现偏离情况,所以为有效改善调整参数的取值,需要进行损失函数计算如下:

通过该模型预测未来三年秦皇岛港动力煤价格如图5所示。根据计算结果分析,当数据量稳定的情况下,价格波动是较为平缓的,未出现类似在2009、2012年等时间段出现的煤炭价格大幅波动的情况。

3 政策建议

基于以上分析和预测,结合我国实际情况,本文给出如下建议来稳定煤炭价格。

(1)在建立健全的长效稳定机制下,增强国家宏观调控能力,进行产业升级。1)为国家煤炭建立稳定库存,在大型的煤炭运输中转站,建立更完备的库存机制和市场监控体系。稳定的库存期望可以稳定市场,降低了双方的运营风险,还可以提高全行业应对不确定因素的能力。2)推动建设全国煤炭交易数据平台。目前我国煤炭市场与交易并不透明,缺少社会监督,甚至还有捏造数据等不良竞争行为。因此,推动煤炭市场的公开透明,不仅可以使其受到应有的市场监督,完善整个机制运行[8]。3)推进企业重组与兼并。可以提高产业集中度,在进行产业改革与国家政策的推行时,效率更高;同时,增强大型企业抗风险的能力。

(2)限制进口煤的输入量,以保护本地煤炭企业。

(3)加快技术革新,支持研究机构与企业改进工艺。我国煤炭含硫量高是排放废气污染物浓度高的重要原因,因此,推动煤炭脱硫与烟气脱硫的技术进步,降低企业的环保成本,对整个煤炭市场及其上下游产业都是利好因素。

(4)推动环境保护,整顿野蛮开采方式。当前,损煤率大、不计生态后果的现状都不利于煤炭行业的发展与环境保护。

(5)推进煤炭与下游产业的一体化、开放运力、探索低成本运输方式。我国煤炭产出地与需求地的地域差异,导致运输的极度不便。因此,将煤炭企业与下游产业融合,具有减少运输压力的重要意义,产业集聚,也可以更好地消除行业间的壁垒,稳定煤炭市场。当然,水煤气运输、煤炭碎化流体运输等方式也是低成本实现的方向。

4 结语

目前,我国的能源结构正在悄然改变,火力发电量降低、石油与天然气占比增加、清洁能源的出现,这在未来都是对煤炭市场的挑战。稳定的市场不仅是靠政府的维护,还需要全行业共同研究技术,革新工艺,共同创造一个完备的市场体系。本文通过秦皇岛港动力煤数据作为依据,利用层次分析模型分析影响煤炭价格的主要因素,并选取了其中重要因素建立RBF神经网络模型,预测未来煤炭价格走势。并在此基础上,提出了产业升级、加快技术革新、推动环境保护等建议,为煤炭行业健康发展做出贡献。