论文部分内容阅读
矿产资源产量预测是一个复杂的过程。在实际中,矿产资源的产量受很多因素影响,如能源结构、经济发展、居民收入水平、价格、生产结构、宏观政策等等,其中有些是确定的因素,而有些是不确定的因素。因此,我们在进行矿产资源产量预测的过程中,就需要考虑样本数据的特点选取适当的预测模型,从而使矿产资源产量预测结果更可靠。在矿产资源产量预测实践中灰色系统GM模型和时间序列分析ARMA得到广泛应用。本文在对传统GM模型及时间序列分析ARMA模型理论学习的基础之上,通过实例对比分析,并对传统的GM模型进行了改进。本文首先介绍了灰色系统理论,包括灰色预测数据内涵,灰色GM模型以及灰色预测的检验。接着介绍了时间序列分析理论,包括白噪声时间序列、自回归模型、移动平均模型、自回归移动平均模型。在这两种理论方法的基础上,提出传统的GM模型的改进模型。使用Mablab编程技术编写传统GM模型程序、自回归移动平均模型程序以及改进后的GM模型程序。之后,以世界钒生产情况为依托,用所编写程序对模型进行求解,通过求解结果对模型进行对比分析,得出改进后的GM模型结果明显优于传统的GM模型和自回归移动平均模型,最后将改进的预测模型应用到四川省钒矿产品预测中,预测结果对比分析得出结论与测试数据相同,这可以充分说明改进GM预测模型的稳定性,并得出2010-2015年四川钒矿产品的预测值,2015年四川省钒矿产品的产量将突破3.78万吨。