节能减排压力下的钢铁消费需求研究——基于SVR模型的预测

被引：4

作者：

龚关

机构：

[1] 河南理工大学经济管理学院

来源：

理论月刊 | 2014年 / 04期

关键词：

节能减排; 钢铁需求; SVR; 预测模型;

D O I：

10.14180/j.cnki.1004-0544.2014.04.001

中图分类号：

F426.31 []; F206 [能源管理]; X322 [部门环境规划与管理];

学科分类号：

020205 ; 0202 ; 020201 ; 083305 ;

摘要：

2008年以来大规模的投资刺激过后,钢铁产业能否找到新的增长点?过剩产能如何消化?国际社会要求中国减少碳排放的压力如何应对?造成这些问题的一个基本原因就是我们没有对钢铁的消费需求做出较为精准的预测,预测方法和手段的缺失是导致钢铁生产的供需不平衡的原因之一。本文建立支持向量回归机来研究中国钢铁消费需求预测模型。研究结果表明:(1)支持向量回归机在解决小样本、非线性问题中具有预测精度高、解释性强等特点,其预测精度要高于BP神经网络和GM模型。(2)预计"十二五"期间我国钢铁需求将以9.56%的速度增长,2015年我国钢铁需求将达到10亿多吨。

引用

页码：131 / 134

页数：4

共 7 条

[1] 基于SVR的期权价格预测模型 [J].

杨建辉 ;

李龙 .

系统工程理论与实践, 2011, 31 (05) :848-854

[2]

Forecasting financial condition of Chinese listed companies based on support vector machine[J] . Yongsheng Ding,Xinping Song,Yueming Zen. &nbspExpert Systems With Applications . 2007 (4)

[3]

Online-SVR for short-term traffic flow prediction under typical and atypical traffic conditions[J] . Manoel Castro-Neto,Young-Seon Jeong,Myong-Kee Jeong,Lee D. Han. &nbspExpert Systems With Applications . 2008 (3)

[4] 非线性动态系统的递归神经网络预测研究——对我国钢铁产量的预测分析 [J].