一种原材料价格预测系统及方法技术方案

本发明专利技术公开了一种原材料价格预测系统及方法，涉及原材料价格预测技术领域。一种原材料价格预测的方法，所述预测的方法步骤如下：步骤一、数据收集，主要分别从金属原料价格、社会经济趋势、物资采购量三个方面进行数据材料收集，对金属原材料进行相关了解；步骤二、金属价格分析，主要从金属价格多因素和金属价格时空特征进行了解分析。本发明专利技术通过数据收集和金属价格多因素和金属价格时空特征的数据收集分析并进行制图，使得对金属原材料的价格数据收集更加的全面和深入，不易出现因为分析因素较片面从而导致出现金属原材料价格预测准确率较低的问题，从而较好的提高了该方法的适用性，在一定程度上提高了该方法和系统的可行性和准确性。和准确性。和准确性。

【技术实现步骤摘要】
一种原材料价格预测系统及方法


[0001]本专利技术涉及原材料价格预测
，具体为一种原材料价格预测系统及方法。

技术介绍

[0002]金属一般指具备特有光泽而不透明、具有延展性及导热导电性的一类物质，纯金属在常温下一般都是固体(汞除外)，大多数为电和热的优良导体，密度较大，熔点较高。地球上的金属资源广泛地存在于地壳和海洋中，除少数很不活泼的金属如金、银等有单质形式存在外，其余都以化合物的形式存在，需要从矿石中进行提取使用，金属材料是指具有光泽、延展性、容易导电、传热等性质的材料，金属材料通常分为黑色金属、有色金属和特种金属材料。
[0003]在对金属原材料成本预测研究中，传统存在对金属原材料的价格和需求量等进行数据收集分析，根据材料的市场价格走势，预测出未来市场上相应的材料价格走势，减小未来市场材料价格的变动带来的投资风险，但是上述的预测研究容易存在因为分析因素较片面从而导致出现金属原材料价格预测准确率较低的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种原材料价格预测系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种原材料价格预测的方法，所述预测的方法步骤如下：
[0006]步骤一、数据收集，主要分别从金属原料价格、社会经济趋势、物资采购量三个方面进行数据材料收集，对金属原材料进行相关了解；
[0007]步骤二、金属价格分析，主要从金属价格多因素和金属价格时空特征进行了解分析；
[0008]步骤三、进行算法计算，通过LSMT神经网络、CNN神经网络、RBF神经网络和回归模型等算法进行金属价格预测计算；
[0009]步骤四、价格预测分析，开展金属原材料价格趋势预测、原材料和成品之间回归分析、成品价格趋势预测以及k值回归分析等四方面建模与分析工作。
[0010]更进一步地，所述步骤一中对近年的金属原料价格、社会经济和物资采购量信息进行收集并进行制图，直观有效的了解所需数据信息。
[0011]更进一步地，所述步骤二中金属价格多因素包括金属原材料在地壳内的藏量、金属原材料从矿石中提取的难易度和市场对于金属原材料的需求量，金属价格时空特征包括指定时间内藏量的走向趋势、指定时间内提取难易度的变化趋势和指定时间内需求量的需求趋势。
[0012]更进一步地，所述步骤二中对于金属价格多因素包括分别与金属价格时空特征包括相对应进行数据对比分析并制图，对数据进行多方面分析。
[0013]更进一步地，所述步骤三中LSMT神经网络即长短期记忆神经网络，LSMT神经网络内部包括输入门、输出门和遗忘门，信息传递的数据是先经过输入门，看是否有信息输入，再判断遗忘门是否选择遗忘MemoryCell里的信息，最后再经过输出门，判断是否将这一时刻的信息进行输出。
[0014]更进一步地，所述步骤三中CNN神经网络即卷积神经网络，卷积神经网络主要由输入层、卷积层、激活函数层、池化层和全连接层这几类层构成。
[0015]更进一步地，所述步骤三中RBF神经网络包括三层，即输入层、隐藏层、输出层，从输入层到隐藏层的变换是非线性的，而从隐藏层到输出层变换是线性的，回归模型研究的是因变量(目标)和自变量(预测器)之间的关系。
[0016]更进一步地，所述步骤四中根据上述的数据收集分析和算法计算能够分别对金属原材料价格趋势进行预测、原材料和成品之间进行回归分析、成品价格进行趋势预测以及k值进行回归分析。
[0017]一种原材料价格预测系统，包括一种原材料价格预测的方法。
[0018]与现有技术相比，本专利技术的有益效果是：
[0019]该原材料价格预测系统及方法，通过数据收集和金属价格多因素和金属价格时空特征的数据收集分析并进行制图，使得对金属原材料的价格数据收集更加的全面和深入，不易出现因为分析因素较片面从而导致出现金属原材料价格预测准确率较低的问题，从而较好的提高了该方法的适用性，在一定程度上提高了该方法和系统的可行性和准确性。
[0020]另外，通过算法计算的结合，且在足够多的数据支持下，从而便于搭建基于国际形势原材料价格波动下的供应链采购决策模型，实现智能分析与预测物资采购趋势，有效支撑供应链采购决策，从而提升资源利用效率。
附图说明
[0021]图1为本专利技术的整体拓扑图；
[0022]图2为本专利技术的数据收集部分拓扑图；
[0023]图3为本专利技术的金属价格多因素和金属价格时空特征的整体拓扑图；
[0024]图4为本专利技术的算法计算的拓扑图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]需要说明的是，在本专利技术的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，并不是指示或暗示所指的装置或元件所必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0027]此外，应当理解，为了便于描述，附图中所示出的各个部件的尺寸并不按照实际的比例关系绘制，例如某些层的厚度或宽度可以相对于其他层有所夸大。
[0028]应注意的是，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义或说明，则在随后的附图的说明中将不需要再对其进行进一步的具体讨论和描述。
[0029]如图1
‑
图4所示，本专利技术提供一种技术方案：一种原材料价格预测的方法，预测的方法步骤如下：
[0030]步骤一、数据收集，主要分别从金属原料价格、社会经济趋势、物资采购量三个方面进行数据材料收集，对金属原材料进行相关了解；
[0031]步骤二、金属价格分析，主要从金属价格多因素和金属价格时空特征进行了解分析；
[0032]步骤三、进行算法计算，通过LSMT神经网络、CNN神经网络、RBF神经网络和回归模型等算法进行金属价格预测计算；
[0033]步骤四、价格预测分析，开展金属原材料价格趋势预测、原材料和成品之间回归分析、成品价格趋势预测以及k值回归分析等四方面建模与分析工作。
[0034]需要注意的是，步骤一中对近年的金属原料价格、社会经济和物资采购量信息进行收集并进行制图，直观有效的了解所需数据信息。
[0035]需要注意的是，步骤二中金属价格多因素包括金属原材料在地壳内的藏量、金属原材料从矿石中提取的难易度和市场对于金属原材料的需求量，金属价格时空特征包括指定时间内藏量的走向趋势、指定时间内提取难易度的变化趋势和指定时间内需求量的需求趋势，步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种原材料价格预测的方法，其特征在于：所述预测的方法步骤如下：步骤一、数据收集，主要分别从金属原料价格、社会经济趋势、物资采购量三个方面进行数据材料收集，对金属原材料进行相关了解；步骤二、金属价格分析，主要从金属价格多因素和金属价格时空特征进行了解分析；步骤三、进行算法计算，通过LSMT神经网络、CNN神经网络、RBF神经网络和回归模型等算法进行金属价格预测计算；步骤四、价格预测分析，开展金属原材料价格趋势预测、原材料和成品之间回归分析、成品价格趋势预测以及k值回归分析等四方面建模与分析工作。2.根据权利要求1所述的一种原材料价格预测的方法，其特征在于：所述步骤一中对近年的金属原料价格、社会经济和物资采购量信息进行收集并进行制图，直观有效的了解所需数据信息。3.根据权利要求1所述的一种原材料价格预测的方法，其特征在于：所述步骤二中金属价格多因素包括金属原材料在地壳内的藏量、金属原材料从矿石中提取的难易度和市场对于金属原材料的需求量，金属价格时空特征包括指定时间内藏量的走向趋势、指定时间内提取难易度的变化趋势和指定时间内需求量的需求趋势。4.根据权利要求1所述的一种原材料价格预测的方法，其特征在于：所述步骤二中对于金属价格多因素包括分别与金属价格时空特征包括相对应进行数据对比分析并制图，对数据...

【专利技术属性】
技术研发人员：喻琤，吴越人，李畅昊，潘丐多，杨文颖，
申请(专利权)人：国网浙江省电力有限公司物资分公司，
类型：发明
国别省市：