鉬精礦價格動態(tài)預測方法、理論及模型

1 鉬資源市場及其供求關系分析
1．1 鉬精礦市場及價格影響因素分析
1．1．1 鉬精礦市場經濟分析
1．1．2 鉬精礦價格的影響因素分析
1．1．3 鉬精礦價格的時間序列特點分析
1．2 鉬精礦市場供求關系分析
1．2．1 鉬的生產供應
1．2．2 鉬的消費需求
1．2．3 鉬的供需分析及展望
1．2．4 鉬精礦上下游企業(yè)市場情況分析
1．3 本章小結
2 預測方法及預測理論
2．1 鉬精礦市場及市場經濟理論
2．1．1 市場與市場經濟概念及聯系
2．1．2 市場經濟基本規(guī)律
2．1．3 有效市場假說
2．2 ARIMA時間序列預測方法
2．2．1 時間序列基本概念
2．2．2 ARIMA的數學定義
2．2．3 ARIMA建模過程
2．3 神經網絡預測理論
2．3．1 BP神經網絡
2．3．2 LSTM神經網絡
2．4 改進的PS0-GRNN預測模型
2．4．1 GRNN模型
2．4．2 基于改進粒子群算法的GRNN模型優(yōu)化
2．4．3 鉬精礦價格預測模型的構建
2．5 灰色-馬爾科夫預測模型
2．5．1 GM（1，1）模型
2．5．2 Markov模型
2．6 組合預測模型
2．7 本章小結
3 基于EMD-ARIMA-LSTM的時間序列多步預測
3．1 EMD及時間序列多步預測策略
3．1．1 EMD
3．1．2 時間序列多步預測策略
3．2 預測模型及數據選取
3．2．1 預測模型構建的基本思想
3．2．2 EMD-ARIMA-LSTM多步預測模型框架
3．2．3 建模數據選取與分析
3．3 EMD-ARIMA-LSTM多步預測模型構建
3．3．1 數據處理
3．3．2 數據分解
3．3．3 IMF線性和非線性識別
3．3．4 ARIMA多步預測模型構建
3．3．5 LSTM多步預測模型構建
3．3．6 預測模型集成
3．4 模型仿真與結果分析
3．4．1 仿真環(huán)境介紹
3．4．2 仿真實驗設計
3．4．3 預測性能評價指標
3．4．4 仿真結果分析
3．5 本章小結
4 基于鉬數據與EMD-ARIMA-LSTM的鉬精礦市場價格動態(tài)預測
4．1 多維鉬數據樣本構建
4．1．1 鉬價格數據
4．1．2 鉬供需數據
4．1．3 宏觀經濟數據
4．2 鉬精礦市場價格動態(tài)預測模型構建
4．2．1 預測模型原理
4．2．2 預測模型框架
4．2．3 數據的預處理
4．2．4 BP神經網絡構建
4．3 實例仿真與應用分析
4．3．1 實例數據介紹
4．3．2 仿真環(huán)境介紹
4．3．3 預測性能評價指標
4．3．4 仿真實驗設計
4．3．5 仿真應用
4．3．6 仿真結果分析及應用
4．4 本章小結
5 基于改進PSO-GRNN及灰色．馬爾科夫模型的鉬精礦價格動態(tài)預測
5．1 基于改進PSO-GRNN模型的鉬精礦價格預測
5．1．1 指標構建與數據獲取
5．1．2 數據預處理
5．1．3 模型訓練
5．1．4 預測結果
5．2 基于灰色-馬爾科夫模型的中國鉬精礦價格預測
5．2．1 指標構建與數據獲取
5．2．2 鉬精礦年平均價格狀態(tài)的劃分
5．2．3 鉬精礦價格狀態(tài)轉移概率矩陣的計算及預測值的確定
5．3 基于GM（1，1）和指數平滑法的動態(tài)組合預測
5．3．1 指數平滑法
5．3．2 動態(tài)組合預測
5．4 三種方法預測結果對比分析
5．5 本章小結
6 鉬精礦價格敏感性分析
6．1 敏感性分析方法
6．2 礦業(yè)經濟單因素敏感性分析方法
6．3 鉬精礦價格敏感性分析
6．4 實例分析
6．5 本章小結
7 結論
附錄 仿真實驗的關鍵程序代碼
參考文獻