中国石油需求增长正处在加速期

石油需求预测是一项重要的基础性研究.通过对部分国家石油需求发展过程的研究发现,石油需求的增长大致呈现卧S型走势,发展过程可以划分为开始期、加速期、转折期、减速期、饱和期五个阶段.基于对各个阶段的石油需求特点和决定因素的分析和归纳,结合当前中国经济状况(发展程度、经济结构、经济增长速度)、中国汽车市场的发展现状以及石油需求增长的特点,认为目前中国石油需求增长正处在加速期.预期未来一段时间中国石油需求仍将较快增长,但需求增速将低于以往多数同样处在加速期的国家;"十二五"期间中国石油需求增长将进入转折期.运用趋势法、弹性系数法以及综合法预测,2010年中国石油需求量将达到4.55亿吨,2007-2010年年均增长6.5%.     

近期国际石油价格回顾与预测

回顾 1.原油 在美国东北部天气寒冷,欧佩克出现履行减产协议的迹象的影响下,2月份国际油价反弹,下旬最终冲破60美元/桶的阻力位.2月份,美国西得克萨斯轻质油(WTI)、英国布伦特原油以及亚洲迪拜原油的平均现货价格,分别为59.20、57.43和55.75美元/桶,分别比1月份明显回升5.06、3.75和4.06美元/桶.     

近期国际石油价格回顾与预测

回顾 1.原油 9月份国际原油价格稳步上扬.尽管欧佩克部长级会议同意把原油日产量提高50万桶,但是对市场供需影响不大.     

基于改进注意力机制的LSTM 水位预测模型研究

为了进一步提高水位预测的准确性,本文提出一种融入改进注意力机制的长短期记忆网络（Long Short Time Memory,LSTM）预测模型。该模型将输入序列拆分为时间序列和特征序列,在LSTM网络模型前引入注意力机制对两个序列分别进行注意力计算,然后再进行融合,LSTM网络能够根据重要程度自适应地选择最重要的输入特征,注意力机制层的参数通过竞争随机搜索算法获取,从而进一步增强了模型的鲁棒性。最后在鄱阳湖的水位数据上进行预测实验,结果表明：相对于支持向量回归（SVR）、LSTM等模型,本文提出基于改进注意力机制的LSTM模型具有更好的预测精度,可为水位预测和水资源的精准调度提供技术支持。     

基于优化经验模态分解和最小二乘支持向量机的边坡位移预测

我国库岸滑坡灾害频发,采用高精度优化算法对边坡位移时间序列进行预测对防灾减灾具有重要意义。边坡位移时间序列通常表现出高度非线性特征,传统模型难以对其进行准确预测。为此,本文提出一种基于优化经验模态分解和最小二乘支持向量机的边坡位移时间序列预测模型。该模型采用基于软筛分停止准则的经验模态分解（SSSC-EMD）,可自适应地将边坡位移时间序列分解为多个本征模态分量和1 个残余分量。将残余分量定义为趋势项;通过K-means 聚类方法对分量进行聚类,将其定义为周期项和随机项。采用最小二乘法对趋势项进行预测;建立最小二乘支持向量机回归（LSSVM）模型对周期项和随机项进行预测。将各预测值累加求和,即得到累计位移预测值。以山口岩大坝为例,采用SSSCEMD-LSSVM 模型对厂址边坡位移时间序列进行预测。结果表明：模型能够有效预测位移时间序列,精度优于传统BP 神经网络和LSSVM 模型。     

基于GRA-GA-BP神经网络的港口集装箱吞吐量预测模型

港口集装箱吞吐量的准确预测对于港口的未来发展规划及该港口所属腹地的经济发展具有重要的指导意义。为实现输入变量的降维,提高预测精度,避免出现局部最优解,借助灰色关联分析对输入变量进行筛选和排序,引入遗传算法作为优化BP神经网络内初始权值及阈值的工具,并基于此建立模型对环渤海港口群三大代表港口2016-2019年集装箱吞吐量进行实证对比分析。最后横向比较传统BP模型和GA-BP模型的预测结果,研究结果表明：经GRA-GA算法优化BP神经网络模型相较于GA-BP神经网络模型与未经过改善的传统的BP神经网络模型其预测结果更为理想,研究结果对港口的战略规划及发展具有一定的参考价值。     

网络经济的优势及其在我国的发展

目前,经济社会主体的生产、交换、分配、消费等经济活动,越来越多地依赖信息网络,人们不仅要从网络上获取大量经济信息,依靠信息网络进行预测和决策,而且许多交易行为直接在信息网络上进行.     

马尔可夫链在经济预测上的应用

本文将马尔可夫链引入到经济学中,通过建立产品的状态转移概率矩阵,利用马尔可夫链进行分析和计算,给出产品的市场预测、利润预测及风险决策的数学模型,从而给经济预测提供切实可靠的理论依据。     

基于GABP神经网络预测法的工程机械再制造员工效率研究

面对资源的日益匮乏、相关法律的陆续出台以及工程机械废旧品数量的不断攀升, 工程机械再制造越来越受到企业的重视。与高自动化制造过程不同, 工程机械再制造过程中人员效率起到了至关重要的作用, 而复杂的再制造环境造就员工频繁的学习———遗忘, 使得操作效率起伏不定, 故提出了用GABP神经网络预测方法来预测工程机械再制造员工的效率。本文应用统计方法分析影响员工操作时间的因素, 剔除无显著相关性的因素; 然后应用GABP神经网络算法对员工操作时间进行训练, 进而高效准确地获得员工的操作时间; 最后通过对样本数据的应用分析, 获得了较好的预测效果。     

石油价格影响因素及波动规律研究

1973年石油危机以后,石油成为全世界价格波动最为剧烈的商品。作为最重要的工业原料,其价格波动可以从成本角度影响到一国的商品价格体系,从而造成通货膨胀;作为具有良好保值能力和流动性的资产,其价格波动为套利资金提供了一套优良的盈利机制。文章借助石油的短期以及长期历史价格,以及相关因素数据进行分析,探讨石油的价格波动的规律,并进行预测。