[发明专利]基于多因素特征抽取的动力煤价格指数滚动预测方法

说明书

本发明涉及一种基于多因素特征抽取的动力煤价格指数滚动预测方法，该方法包括以下步骤：步骤S1，数据收集；步骤S2，数据预处理；步骤S3，数据挖掘与特征变量抽取；步骤S4，用人工神经元网络建模；步骤S5，随着时间推移，重复步骤S3、S4，更新模型并对动力煤价格进行短期滚动预测。与现有技术相比，本发明具有考虑因素全面、实时更新度强、预测精度高等优点。

技术领域

本发明涉及数据挖掘技术，尤其是涉及一种基于多因素特征抽取的动力煤价格指数滚动预测方法。

背景技术

我国能源结构以煤炭为主，根据国家统计局核算数据，2017年我国能源消费总量达44.9亿吨标准煤，其中煤炭消费量占能源消费总量的60.4％。即使在近年来新能源发电爆发式增长以及2030年“碳达峰”的背景下，以煤电为主的电源结构将在未来一段时间内依然保持主导地位。

煤炭价格受宏观经济、供求状况、开采成本、运输成本、上下游产品价格和煤价自身滞后效应等众多因素的影响。煤炭价格复杂多变、“计划电”和“市场煤”的矛盾长期得不到解决，导致煤电企业经营波动和财务风险较大。考虑到燃料费用一般占燃煤发电厂发电成本的70～80％左右，如能有效地控制燃料成本，就可以有效地控制燃煤发电厂的总成本、提高电厂的盈利能力。影响燃煤价格的因素非常多，信息量巨大，靠人工收集、分析、决策，工作量巨大，效率低，错误率高，因此很有必要通过建立煤炭价格影响因子数据库，研究煤价预测方法。

煤炭价格预测是根据煤炭价格变化的规律，对各种价格信息资料运用相关方法和理论进行科学系统地分析，并对煤炭价格的未来动态和变化趋势做出预见性的定量或定性的判断，从而为经济决策提供参考。

现有技术大部分处于预测方法的研究性质，实用性不强，预测精度不高，成功应用的案例鲜见，国内类似的授权专利较少。以CCTD以及CCI为主流的煤炭数据服务商，其预测的结果均存在明显的滞后现象。现目前技术对煤价预测主要使用的数据量偏少和涉及偏宏观视角但缺乏微观深度。现有研究主要以周度、月度、季度为主。在指标使用上，大部分研究所用的宏观指标本身就是滞后发布，这样一是影响实际应用参考的时效性，二是在检测预测效果时往往只能用回测的方法，影响有效性。在变量关系分析上，现目前的研究主要运用相关性分析、因果分析等方法进行。但对时序型数据来说，相互关系是个动态概念，随时间的推移会发生变化，现目前的分析缺乏滚动跟随时序数据特性的概念。在预测方法上，目前国内外主要可分类为因素选择的时序模型和多元预测模型以及数学模型的线性回归模型和非线性神经网络模型。在针对具体的预测对象时，筛选变量的不同所采用的模型和效果也会不一样。目前仍缺乏一种通用型的结合因素选择与数学模型的预测方案。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多因素特征抽取的动力煤价格指数滚动预测方法。

本发明的目的可以通过以下技术方案来实现：

根据本发明的一个方面，提供了一种基于多因素特征抽取的动力煤价格指数滚动预测方法，该方法包括以下步骤：

步骤S1，数据收集；

步骤S2，数据预处理；

步骤S3，数据挖掘与特征变量抽取；

步骤S4，用人工神经元网络建模；

步骤S5，采用步骤S4中建立的模型对动力煤价格进行短期滚动预测。

作为优选的技术方案，所述的步骤S1，数据收集为：通过对煤价影响因素的理论依据判断建立机理模型，整合与煤价相关的产、运、销、供、耗、存、气候、金融以及国际情况数据。

作为优选的技术方案，所述的步骤S2，数据预处理具体包括：

步骤S21，缺损数据处理；

步骤S22，对概念群指标采用主成分分析法或加权平均构建合成指标。