節能減排壓力下的鋼鐵消費需求研究*——基于SVR模型的預測

龔 關

（河南理工大學 經濟管理學院，河南 焦作454000）

鋼鐵產業是我國國民經濟的支柱產業之一，也是社會進步的重要物質基礎。2008年國家為了應對金融危機對我國經濟造成的沖擊，實施了4萬億的投資計劃，基礎設施建設成為主要的投資方向，政策刺激的結果有效的拉動了鋼鐵產業的生產和需求，但隨之而來的問題也逐步顯現：大規模的投資刺激過后，鋼鐵產業能否找到新的增長點？過剩產能如何消化？國際社會要求中國減少碳排放的壓力如何應對？造成這些問題的一個基本原因就是我們沒有對鋼鐵的消費需求做出較為精準的預測，預測方法和手段的缺失是導致鋼鐵生產的供需不平衡的原因之一。因此，對鋼鐵消費需求的研究成為一項非常重要的課題。

國內關于鋼鐵消費需求預測的研究不多，龍寶林、葉錦華[1]對我國鋼鐵及鐵礦石需求做出了預測，重點從經濟發展階段、人均GDP、工業化三方面分析了鋼鐵消費的規律，并認為鐵礦石的需求直接影響鋼鐵的需求量，預計2020 年鋼鐵產量將達到 6.8 億噸。韋保仁[2]（2005）對中國鋼鐵年產量進行了預測，作者把中國鋼鐵需求量按建筑業、汽車業、機械及其它行業來劃分為三類，利用NICE III模型計算得到各自的需求量。研究表明中國最大的鋼產量可達4.75億噸。灰色系統理論能解決數據不足的問題，其短期預測效果較佳，但長期預測誤差較高。上述文獻為鋼鐵需求的研究提供了重要的參考，但對于鋼鐵需求預測的方法選擇上，仍然存在著一些不足，需要尋找更加準確、科學、有效的預測方法。

本文的主要工作有三個方面：第一，重點分析影響鋼鐵需求的主要因素，建立基于ν-SVR的鋼鐵需求預測模型并驗證模型的有效性。第二，對比ν-SVR、BP神經網絡和GM（1.1）三種方法在鋼鐵需求預測方面的精確性。第三，基于ν-SVR的鋼鐵需求預測模型對“十二五”期間我國的鋼鐵需求進行預測。

一、影響鋼鐵消費需求的主要因素

1.國內生產總值

國際鋼鐵協會于1974年發表了一篇文章 “鋼鐵消費強度和國民經濟總值的結構”，提出了鋼材消費強度（即一美元國民生產總值的鋼材平均消費數值ASC/GNP），并把每個國家的經濟發展劃分成四個階段。根據這一理論，正處于工業化中后期階段的中國對鋼材消費強度幾乎保持不變。[3][4]

2.城市化進程

城市化伴隨著工業化的進程而發展。中國過去在特殊的歷史條件和計劃經濟下推進工業化，導致城市化落后于工業化。2010年中國城市化水平是47.5%，離2020年中國城市化水平60%的目標仍然有很大的發展空間，隨著城市化進程的加快，未來對鋼鐵的需求還將處于剛性狀態。

3.固定資產投資

鋼鐵行業產能過剩的直接原因是投資規模過大或結構不合理，未來可能形成的潛在生產規模和結構超過了符合市場有效需求的供給規模和結構，產能擴張速度遠遠超過需求擴張的速度。把固定資產投資作為鋼鐵需求的影響因素，能幫助我們更加理解鋼鐵需求的成因和其中蘊含的一般規律，進一步作為政策設計和實施的參考，以更好應對產能過剩問題帶來的重大挑戰。

4.鐵礦石需求

中國經濟快速發展，以及工業化和城市化進程的不斷加快，使得中國鋼鐵行業也得到了突飛猛進的發展，全行業產能急劇擴張――2000年中國鋼鐵產量剛剛跨越1億噸大關，到了2010年鋼鐵產量就達到了6.27億噸。美國等發達國家，廢鋼是煉鋼的主要原料，電弧爐產鋼量占總產鋼量的比例可達60%。而中國煉鋼設備仍以高爐為主，電弧爐產鋼量占總產鋼量的比例不足15%。綜合以上兩個原因，本文認為鐵礦石在今后還是中國鋼鐵企業最主要的煉鋼原料，因而對鐵礦石需求的多少將會在一定程度上影響鋼鐵的需求量。[5]

5.居民消費水平

居民消費水平通過消費的物質產品和勞務數量和質量來反映。隨著我國居民消費水平的不斷提高，人們的消費觀念和行為也發生了很大變化，人們不止滿足基本的生活消費，更增加了對汽車、房子等耐用品的消費需求。因為這些產品都是以鋼鐵作為主要的生產材料，因而居民消費水平的高低也會間接影響鋼鐵的需求數量。

6.科技進步

科學技術進步對中國鋼鐵產量的影響主要體現在以下兩個方面：一是隨著科學技術的進步，節能技術進一步發展，節能率大大提高，從而節約了鋼鐵消費；而是技術進步促使我們進一步開發利用新材料，從而在一定程度上改變鋼鐵需求量的發展變化趨勢。由于鋼鐵技術進步難以量化，我們用能耗 （萬噸標煤）與粗鋼產量的比值來代替科技進步。

二、鋼鐵需求預測模型建立

1.支持向量回歸機SVR模型

支持向量機（Support Vector Machine）是機器學習領域中基于統計學習理論的分類回歸方法，由AT&T貝爾實驗室的Vanpnik等于1995年提出的有效解決小樣本學習問題的方法。通過構造核函數將原空間非線性問題轉換成高維空間的線性問題，具有幾何上可解釋性。從最初的在模式分類問題 （支持向量分類機，Support Vector Classification，SVC）上的成功應用到在回歸算法（支持向量回歸機，Support Vector Regression，SVR）上的研究，支持向量機方法被成功地應用于時間序列、非線性系統建模與預測、優化控制等方面的研究。

2.基于ν-SVR的鋼鐵需求預測模型

本文將前文分析得到的影響鋼鐵需求的六種因素作為SVR模型的輸入X，將對應的鋼鐵實際需求量作為輸出Y，其中，X=（x1，x2，…，xi，…，xn）， Y=（y1，y2，…，yi，…，yn），對應于1985-2003年份的19個數據。xi表示某一年度由影響鋼鐵需求的各指標構成的向量，yi表示對應年度的鋼鐵需求量。[6]

（1）首先利用支持向量回歸的原理，假設利用徑向基核方法將輸入向量（x1，x2，…，xi，…，xn）映射到高維特征空間（φ（x1）， φ（x2），…， φ（xi），…， φ（xn）），則輸出 y 可由下列回歸模型給出：

（2）參數ω和b可由以下最優規劃問題確定，這里選用 ν-SVR 構建模型.定義損失函數 c：（ε>0）

（3）選擇正數參數C，ν和核函數，構建優化：

（4）為了求解，引入 Lagrange函數將問題（3）轉換成其對偶問題求解：

其中C，ν為大于0的參數，假設得到最優解：

選擇徑向基核函數：

（6）綜上鋼鐵與需求預測模型為：

三、實證分析

1.數據準備及預處理

本文引用 《中國統計年鑒》、《中國鋼鐵工業年鑒》、《十二五規劃綱要》及國家有關部委發布的權威數據，得到1985-2015年的相關統計數據如表1所示。

表1：1985-2015年鋼鐵需求相關數據

由于各指標量綱的不同及經濟數據的非線性增長性，直接用表1的原始數據會降低預測結果的準確性，因此需要對各指標進行對數歸一化，將表1的數據映射到[-1，1]區間上：

xmax，xmin分別表示表1中某一列的最大和最小值。

2.模型預測結果分析

運用MatlabR2009編程工具，下載開源的LibSVM工具包實現ν-SVR回歸模型，具體步驟如下。

步驟1：利用公式（10）對1985-2015年的數據進行歸一化處理。

步驟2：選擇1985-2006年的數據進行鋼鐵需求回歸建模，不斷調整模型參數C，ν和徑向基函數參數σ2使2007-2010年驗證集上的擬合結果的平均誤差（Mean squared error）達到可以接受的范圍。

步驟 3：確定模型參數為：C=100，ν=0.4，σ2=0.001。 模型訓練結果，即1985年-2006年對應的式（5）中的系數αio如表2所示。

表2：模型訓練結果

上表中系數非0對應的年份標準化后的輸入向量即為支持向量，共11個。b*=0.4102。將系數αio和b*代入式（9），即得到鋼鐵需求預測模型。模型在訓練集（1985-2006年）和驗證集（2007-2010年）上的預測結果轉化成原始數據，結果如圖1所示，ν-SVR模型具有很好的擬合能力和泛化能力，擬合回歸線和實際線非常接近，兩者的誤差非常的小。

圖 1 基于ν-SVR模型的鋼鐵需求預測圖

3.模型有效性檢驗

為了進一步驗證ν-SVR模型在鋼鐵需求預測上的優良的擬合精度，將ν-SVR模型與傳統的 GM（1，1），BP 神經網絡等方法的擬合結果進行比較，如表3所示。（誤差=100%*|擬合值-實際值|/實際值，其余方法均按式（10）歸一化）

表3：SVR和其他方法驗證結果

從表2可以看出，使用BP神經網絡方法擬合鋼鐵需求平均誤差為5.96%，使用GM（1，1）方法擬合鋼鐵需求平均誤差為3.52%，而使用ν-SVR方法擬合鋼鐵需求精準度最高，平均誤差僅為1.86%。比較結果說明使用ν-SVR方法擬合鋼鐵需求具備一定的可行性。

4.“十二五”期間中國鋼鐵需求預測

進一步選用“十二五”規劃綱要提出的關于我國未來經濟社會發展主要指標的數據見表1，根據訓練得到的SVR模型對“十二五”期間我國的鋼鐵需求進行預測，結果如表4和圖1所示。

表4：SVR預測“十二五”規劃鋼鐵產量結果

從表4預測結果可以看出，我國在“十二五”期間的鋼鐵需求將穩步持續增長，2011年達到7.2億噸，2015年突破10億噸，年均增幅9.56%。

四、結論

本文利用SVR方法建立我國鋼鐵消費需求的預測模型，使用七個影響因素作為輸入數據，鋼鐵消費需求作為輸出數據，采用1985-2006年鋼鐵需求相關數據進行模擬與模型訓練，然后選用2007-2010年的數據進行擬合驗證，最后和BP神經網絡以及GM方法的擬合結果進行比較。結果表明：支持向量回歸機具有擬合精度高、解釋性強等特點，其擬合平均誤差僅為1.86%，擬合精度強于BP神經網絡和GM預測方法。SVR方法克服了傳統預測方法上數據不足、短期預測結果較佳而長期預測結果不準等缺陷，避免了主觀因素的影響，方法雖然簡單，但卻非常有效，顯然這種非參數方法可以有效的減少預測誤差，提高鋼鐵需求擬合精度，因而具有一定的實際意義。

利用訓練得到的SVR模型對2011-2015年 “十二五”期間的鋼鐵產量進行了預測，我國在“十二五”規劃期間的鋼鐵需求將以每年9.56%的速度穩定增長，預計在2015年突破10億噸。從預測的結果來看，在整個中國鋼鐵產能過剩的背景下達到10億噸需求任重道遠，沒有相關政策的大力調整，沒有政府職能的轉變，沒有技術水平的提升，沒有管理水平的進步，很難達到這一目標。所以政府須改變只重短期成績而不注重長期發展的執政理念，制定合理的經濟發展政策，企業也應加大研發投入力度，改進管理水平，降低能源消耗，使中國鋼鐵行業能夠持續、健康發展。

[1]龍寶林，葉錦華.我國鋼鐵及鐵礦石需求預測[J].中國礦業，2010，19（11）：4-6.

[2]韋保仁，八木田浩史.中國鋼鐵年產量及其能源需求預測[J].中國冶金，2005，15（12）：14-17.

[3]Ding Y S，Song X P，Zen Y M.Forecasting financial condition of Chinese listed companies based on svm [J].Expert Systems with Applications，.2008，34（4）:3051-3059.

[4]Castro-Neo M，Jeong Y S，Jeong M K，et al.Online-SVR for short一term traffic flow prediction under typical and atypical conditions[J].Expert Systems with Applications，2009，36（3）:6164-6173，38-43.

[5]李凱，代麗華，韓爽.產業生命周期與中國鋼鐵產業極值點[J].產業經濟研究，2005，（4）.

[6]楊建輝，李龍.基于SVR的期權價格預測模型[J].系統工程理論與實踐，2011，31（5）：848-853.

[7]劉蘭娟，謝美萍.非線性動態系統的遞歸神經網絡預測研究-對我國鋼鐵產量的預測分析[J].財經研究，2004，30（11）：26-33.