基于AdaBoost分类器的电煤价格预测

2024-04-10牟晓霞

中国储运 2024年3期

文/牟晓霞

为适应我国能源结构和市场需求变化，提供决策参考，预测电煤价格至关重要。本文从煤炭供给、消耗、行业发展、新能源、气温等方面收集了200个影响因素，建立基于AdaBoost分类器的随机森林和决策树模型对全国及山西地区的未来1、2、3用电煤价格进行预测。结果显示，预测模型效果优于随机森林、极端随机树、线性回归和决策树模型，预测结果可为煤炭消耗型企业购煤决策提供参考。

1.引言

近年来，随着国家能源结构调整、供给侧改革的深入推进，煤炭消费量有所下降，但我国“富煤、贫油、少气”的国情和所处的发展阶段并未改变，煤炭在我国能源消费中仍占主导地位。在维护能源安全和托底保供方面，煤炭仍发挥着“压舱石”的作用。预测电煤价格有助于理解突发事件对价格的影响机理，为煤炭企业决策提供参考。

2.研究方法与数据处理

本文综合考虑了200个影响电煤价格的因素指标，确定影响因素指标包括：各地区和各行业煤炭产量、用电量、发电量、生铁产量、水泥产量和气温，煤产品进口量，电厂供、耗、存。本文数据源于Wind数据库，选取全国以及山西地区的电煤市场价，以2013年10月至2022年1月为时间窗口，进行预测和分析。利用Excel对原始数据进行清理，综合分析皮尔逊系数结果、格兰杰因果检验结果和特征重要性三个结果，剔除相关性和显著性较低的指标，完成变量的筛选。

3.煤价预测模型构建

本文采用Adaboost分类器，训练多个弱分类器，并将它们集成为一个更强的最终分类器，构建基于六种模型的预测模型，包括AdaRF（自适应随机森林）、Adatree（自适应树）、RF（随机森林）、ExtraTrees（极端随机树）、LR（线性回归）和Tree（决策树）。本文将交叉验证与网格搜索相结合，以MSE最小化为参数优选的目标，避免抽样随机性对模型性能的影响。

4.预测结果与模型评估

以全国和山西省的电煤价格为研究对象，对全国以及山西省的月度电煤价格和各影响因素的指标值进行收集。综合考虑全国及山西的六种预测方法的结果，得到全国及山西的未来三个月的电煤价格，全国1月后572.96元/吨，2月后573.52元/吨，3月后574.46元/吨，山西1月后486.87元/吨，2月后488.17元/吨，3月后489.55元/吨。当电煤消耗量平稳的状态下，当预测到电煤价格上升时，地区甚至国家应该增加短期内购买量，采购燃料补充库存。在电煤价格预测的指导下，保证每次的燃料采购价格最优，年度燃料采购价格最小，年度燃料库存及损耗成本能够得到有效地降低。为评价模型的预测性能，选择均方差（MSE)、平均绝对误差（MAE）作为预测评价指标。根据图2的全国电煤价格预测模型效果对比，Adatree的预测效果最佳，各项误差值均相对最小；AdaRF的预测效果次之，各项误差值的较小。由于收集数据的限制，山西电煤预测模型效果与全国的模型相比较差，但是预测稳定性达到较高水平。