基于AdaBoost分類器的電煤價格預測

文/牟曉霞

為適應我國能源結構和市場需求變化，提供決策參考，預測電煤價格至關重要。本文從煤炭供給、消耗、行業(yè)發(fā)展、新能源、氣溫等方面收集了200個影響因素，建立基于AdaBoost分類器的隨機森林和決策樹模型對全國及山西地區(qū)的未來1、2、3用電煤價格進行預測。結果顯示，預測模型效果優(yōu)于隨機森林、極端隨機樹、線性回歸和決策樹模型，預測結果可為煤炭消耗型企業(yè)購煤決策提供參考。

1.引言

近年來，隨著國家能源結構調整、供給側改革的深入推進，煤炭消費量有所下降，但我國“富煤、貧油、少氣”的國情和所處的發(fā)展階段并未改變，煤炭在我國能源消費中仍占主導地位。在維護能源安全和托底保供方面，煤炭仍發(fā)揮著“壓艙石”的作用。預測電煤價格有助于理解突發(fā)事件對價格的影響機理，為煤炭企業(yè)決策提供參考。

2.研究方法與數(shù)據(jù)處理

本文綜合考慮了200個影響電煤價格的因素指標，確定影響因素指標包括：各地區(qū)和各行業(yè)煤炭產量、用電量、發(fā)電量、生鐵產量、水泥產量和氣溫，煤產品進口量，電廠供、耗、存。本文數(shù)據(jù)源于Wind數(shù)據(jù)庫，選取全國以及山西地區(qū)的電煤市場價，以2013年10月至2022年1月為時間窗口，進行預測和分析。利用Excel對原始數(shù)據(jù)進行清理，綜合分析皮爾遜系數(shù)結果、格蘭杰因果檢驗結果和特征重要性三個結果，剔除相關性和顯著性較低的指標，完成變量的篩選。

3.煤價預測模型構建

本文采用Adaboost分類器，訓練多個弱分類器，并將它們集成為一個更強的最終分類器，構建基于六種模型的預測模型，包括AdaRF（自適應隨機森林）、Adatree（自適應樹）、RF（隨機森林）、ExtraTrees（極端隨機樹）、LR（線性回歸）和Tree（決策樹）。本文將交叉驗證與網格搜索相結合，以MSE最小化為參數(shù)優(yōu)選的目標，避免抽樣隨機性對模型性能的影響。

4.預測結果與模型評估

以全國和山西省的電煤價格為研究對象，對全國以及山西省的月度電煤價格和各影響因素的指標值進行收集。綜合考慮全國及山西的六種預測方法的結果，得到全國及山西的未來三個月的電煤價格，全國1月后572.96元/噸，2月后573.52元/噸，3月后574.46元/噸，山西1月后486.87元/噸，2月后488.17元/噸，3月后489.55元/噸。當電煤消耗量平穩(wěn)的狀態(tài)下，當預測到電煤價格上升時，地區(qū)甚至國家應該增加短期內購買量，采購燃料補充庫存。在電煤價格預測的指導下，保證每次的燃料采購價格最優(yōu)，年度燃料采購價格最小，年度燃料庫存及損耗成本能夠得到有效地降低。為評價模型的預測性能，選擇均方差（MSE)、平均絕對誤差（MAE）作為預測評價指標。根據(jù)圖2的全國電煤價格預測模型效果對比，Adatree的預測效果最佳，各項誤差值均相對最小；AdaRF的預測效果次之，各項誤差值的較小。由于收集數(shù)據(jù)的限制，山西電煤預測模型效果與全國的模型相比較差，但是預測穩(wěn)定性達到較高水平。

圖1 全國（左）和山西（右）預測模型誤差

5.結論

本文建立AdaRF、Adatree、RF、ExtraTrees、LR、Tree六種模型，對全國和山西的1、2、3月后的煤價進行短期預測。通過實驗對比各模型的預測誤差，證明該方法能夠根據(jù)各個影響因素的指標值對電煤價格進行有效預測，且預測準確率較高。本文對優(yōu)化燃料采購，降低燃料庫存及損耗成本提供參考。