کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10484055 934841 2013 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Forecasting iron ore import and consumption of China using grey model optimized by particle swarm optimization algorithm
ترجمه فارسی عنوان
پیش بینی واردات سنگ معدن آهن و مصرف چین با استفاده از مدل خاکستری بهینه شده توسط الگوریتم بهینه سازی ذرات
کلمات کلیدی
ترجمه چکیده
صنعت آهن و فولاد نقش مهمی در اقتصاد ملی کشور دارد، به ویژه در کشورهای در حال توسعه. چین بزرگترین بازار مصرف سنگ آهن در جهان است. با این حال، به دلیل محدودیت منابع داخلی سنگ آهن، بخش بزرگی از سنگ آهن از کشورهای دیگر وارد می شود. در مواجهه با مناقشه میان کمبود عرضه سنگ آهن و تقاضای رو به رشد، دولت برای پیش بینی واردات و مصرف کل ضروری است. این مقاله یک مدل هیبریدی با دقت بالا بر اساس پیش بینی خاکستری و سازه نورد بهینه سازی شده توسط الگوریتم بهینه سازی ذرات بهینه سازی تولید می کند. ما از سالنامه آماری چین (سال های 1996 تا 2011) به عنوان پایگاه داده ما برای آزمایش کارایی و دقت روش پیشنهادی استفاده می کنیم. با توجه به نتایج تجربی، روش جدید پیشنهاد شده به وضوح می تواند دقت پیش بینی مدل اصلی خاکستری را بهبود بخشد. در پنج سال آینده، واردات سنگ آهن و مصرف کل در چین نیز پیش بینی های آینده صورت گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات زمین شناسی اقتصادی
پیش نمایش مقاله
پیش بینی واردات سنگ معدن آهن و مصرف چین با استفاده از مدل خاکستری بهینه شده توسط الگوریتم بهینه سازی ذرات
چکیده انگلیسی
The iron and steel industry plays a fundamental role in a country's national economy, especially in developing countries. China is the largest iron ore consumption market in the world. However, because of limited domestic iron ore resources, a large proportion of iron ore is imported from other countries. Faced with the conflict between the iron ore supply shortage and the growing demand, it is necessary for the government to predict imports and total consumption. This paper develops a high-precision hybrid model based on grey prediction and rolling mechanism optimized by particle swarm optimization algorithm. We use the China Statistical Yearbook (1996-2011) as our database to test the efficiency and accuracy of the proposed method. According to the experimental results, the proposed new method clearly can improve the prediction accuracy of the original grey model. Future projections have also been done for iron ore imports and total consumption in China in the next five years.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Resources Policy - Volume 38, Issue 4, December 2013, Pages 613-620
نویسندگان
, , ,