基于BP神經網絡的液化石油氣價格預測研究

王雪瑩

(中國石油大學(北京)，北京 102249)

1 引言

2 液化石油氣價格的影響因素

2.1 國際原油價格

中國液化石油氣一部分來源于煉廠副產，因此液化石油氣的價格會受油價波動的影響。

2.2 國際液化石油氣供應量

目前國際液化石油氣的需求增長較為穩定，且全球液化石油氣市場屬于高度供應驅動型市場，因此液化石油氣的價格受國際液化石油氣的供應影響較大。

2.3 我國國內對液化石油氣的需求

液化石油氣的作用主要分為兩大類：燃料和化工。在總消費量4402萬噸中，燃料消費2353萬噸，占比53%；化工消費2049 萬噸，占比47%。

2.4 丙烷、丁烷的進口價格

我國沿海地區對液化石油氣的需求量較大，且我國主要依賴沿海的液化石油氣進口碼頭來購入液化石油氣，其中大部分以丙烷和丁烷的形式進行存儲，因此丙烷與丁烷的進口價格會影響我國液化石油氣的價格。

2.5 季節因素

液化石油氣的需求受季節影響很大，每年通常從第三季度開始液化石油氣的需求量會逐步上升，三月份后需求量逐漸下降。據統計，2017年，民用氣消費量占液化石油氣總消費量的32%。

其中，NFsys為電路的整體噪聲系數，NF1為第一級放大器的噪聲系數，G1為第一級放大器的增益，NF2為第二級放大器的噪聲系數。因為在實際的電路設計中，第一級放大器的設計對整體電路的噪聲系數影響最大，需要盡可能的降低第一級放大器的噪聲系數，同時提高第一級放大電路的增益，從而改善整體電路的噪聲特性。

2.6 替代能源價格

天然氣與液化石油氣同為燃燒燃料，相互之間具有替代關系。因此液化石油氣價格受天然氣價格影響較大。

2.7 突發性因素

比如惡劣天氣、裝置突發故障、稅收政策等。

2.8 生產費用

液化石油氣的來源有兩種，一種是在原油礦的伴生氣，另一種是煉油廠在進行原油催化裂解與熱裂解時所得到的副產品。對于供應方來說，生產液化石油氣的費用是最直接的。

2.9 存儲費用

液化石油氣對存儲的條件較為苛刻，瓶裝液化氣應儲存在有資質的供應站，運行制度要上墻，站內配備規定數量的滅火器，瓶庫內應配備防靜電膠板，安裝濃度報警儀。

2.10 運輸費用

瓶裝液化氣運輸應采用檢驗合格的專用運輸車輛，車況良好，車內安全裝備配備齊全，每天對車輛進行出車前、行車中及收車后的“三檢”，有問題及時報告并修理。

3 數據處理

在進行數據分析過程中，文章發現大部分變量的樣本數據存在缺失值的情況，在使用Excel的COUNTIF統計每個變量的缺失值數量后，文章刪除了缺失值數量大于5的變量。對于剩下的存在少量缺失值的變量，文章使用各個變量的平均數進行填充。處理后的數據即為文章進行問題分析可用的數據。

篩選出影響液化石油氣的5個主要因素(國際原油價格、國際液化石油氣供應量、國內液化石油氣需求量、丙烷與丁烷的平均進口價格、天然氣的價格)后，利用SPSS軟件計算這5個元素與液化石油氣的價格之間的相關性，結果如表1所示。

表1 主要影響因素與LPG價格的相關性系數

結果顯示該5項主要因素均與液化石油氣價格有很大相關性。

4 BP神經網絡預測模型

4.1 模型的建立步驟

4.1.1 網絡初始化

給輸入層、隱含層和輸出層之間的連接權值各賦予一個(-1，1)內的隨機數，設定誤差函數e，計算精度值和最大學習次數M。

4.1.2 選取輸入數據并確定期望輸出

隨機選取個輸入樣本，即()=((),(),…,())；以及對應的期望輸出()=

((),(),…,())。

4.1.3 計算隱含層各個神經元的輸入和輸出

()=(())(=1,2,…,)

()=(())(=1,2,…,)

4.1.4 利用網絡實際輸出和期望輸出，計算誤差函數對輸出層各神經元的偏導數

=-(()-())(())-()

4.1.5 根據輸出層各神經元的偏導數和隱含層各神經元的輸出來修正連接權值

4.1.6 計算全局誤差E，判斷所建立的BP網絡模型是否合理

4.2 模型的求解

運用BP神經網絡對液化石油氣的價格進行預測，結果如圖1所示。

圖1 液化石油氣預測值與真實值對比

從圖1可以看出，使用BP神經網絡來預測液化石油氣價格的誤差很小，有一定的準確性，能夠預測出液化石油氣價格的變動趨勢。液化石油氣價格受到很多不確定性因素的影響，想要準確預測的難度很大，但BP神經網絡可以在一定程度上對它進行預測。且生成的誤差變化曲線說明：迭代到21000次時，誤差較小，神經網絡預測模型較為準確，性能良好。

5 定價策略建議

(1)信息先導：提前進行市場分析和預測，工作人員不僅要做好國內外市場的液化石油氣價格信息采集，也要關注國內成品油、天然氣和二甲醚等相關產品價格的走勢。同時提前制訂好計劃以應對市場變化和突發事件。

(2)需求導向：負責定價的工作人員應時刻關注市場，根據顧客的需求定價，并努力開發有前景、有潛力的客戶，同時要關注市場的淡旺季變化。

(3)梯次定價：結合自身和競爭者的特點，根據市場分布來制定合理的價格梯度，并根據市場的變化及時調整價格梯度。

6 結論

(1)在實際生活中，液化石油氣的價格由多種因素決定，且因素關系復雜多變，若僅采用常規模型，則預測出的值與實際值相差較大。文章通過實際數據得出結果，證明了BP神經網絡的優點，且預測值更加接近實際值，對液化石油氣價格的制定起到更好的指導作用。

(2)BP神經網絡具有樣本依賴性，算法的最終結果和樣本的典型性密切相關。若樣本集的代表性差或存在冗余樣本，則難以達到預期性能。

(3)目前分析液化石油氣價格走勢的文章有很多，每一種方法都有優點和缺陷。文章基于往年的液化石油氣價格數據構建了BP神經網絡模型，并對其價格進行了短期預測。預測結果表明：短期內液化石油氣的價格會下降，但波動不大，月初的價格和月末的價格相對較低，可供有關部門參考。