基于LSTM神經網絡的港口燃料油價格預測

王永鵬　邱文昌

摘 要：燃料油價格波動不定，這是船舶燃料油成本管理的不確定因素之一，為降低燃料補油成本，本研究采用長期短期記憶（LSTM）神經網絡對燃料油價格進行預測，結果表明，LSTM神經網絡對多因素港口燃料油價格的預測效果良好，精度高，可對船舶燃料油成本管理提供幫助。

關鍵詞：神經網絡;價格預測;LSTM;多因素

中圖分類號：U692? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? 文章編號：1006—7973（2019）10-0030-02

在海運中，船舶燃料消耗主要包括主機燃料IFO380，輔機柴油MDO，主機潤滑油和輔機潤滑油。MDO的單價約為IFO380的1.5倍。20，000TEU集裝箱船的主要發(fā)動機每天消耗200t以上的燃料，12t-24t的輔助和1t的潤滑油，且燃油價格持續(xù)走高，這造成燃油成本在船舶運營成本中占有很大份額，而主機燃料油是燃油成本中最大的份額，為節(jié)省成本，有必要科學地選擇燃料油補給港，從經營成本來看，補給港的選擇取決于港口的燃料油價格高低，在價格低的港口大量補給燃油以滿足多個航段的燃料油需求是節(jié)約成本的好方法，所以對燃料油價格的預測顯得格外重要。目前對價格預測的方法有：多元回歸分析、時間序列分析、神經網絡方法等。賈鵬等[1]用ARMA模型預測了燃料價格，并以此建立補油方案的數學模型，但是ARMA模型訓練速度慢和學習精度不夠，并且忽略數據中的時間依賴性。因此，本研究采用LSTM神經網絡模型預測燃料價格，該方法考慮了數據的時間依賴性，具有較高的預測精度和適應性。

1船舶燃料油價格影響因素分析

燃料油是原油加工過程中的產物，原油是燃料油的成本端，其價格會直接影響燃料油價格，李健等[2]曾歸納出 62種影響油價的因素，例如軍事沖突、恐怖襲擊、國家政變、稅收政策、國家金融、國際環(huán)保會議、歐佩克政策等多種因素。此外，國際原油市場定價方法對燃料油價格也會有影響，目前國際上以紐約商業(yè)交易所（NYMEX）x1、倫敦國際石油交易所（IPE）x2 及迪拜商品交易所（DME）x3 等三大主要原油期貨交易所對原油價格進行定價。所以，預測燃料油價格不能單方面研究，要在綜合多方面因素的情況下，進行燃料油價格預測，由于不可能兼顧所有的影響因素，所以本文選取重要的五個（歐元兌美元匯率 x4、新加坡燃料油報價 x5）對燃料油價格能產生重大影響的因素進行皮爾森相關系數? 分析，將相關系數最小的

影響因素剔除，剩余的因素帶入到多因素 LSTM神經網絡模型中預測燃料油價格，會得出更加客觀且精確的燃料油價格。經計算結果分別是 0.616、0.767、0.237、-0.417、1，正負號分別代表正負相關，與大小無關，從結果得知，本文將去除迪拜原油這一影響因素。

4結論

本文提出的多因素LSTM神經網絡模型，保證了燃料油價格在時序上的記憶性和依賴性和精確性，并且利用皮爾森相關系數進一步篩選相關因素，保證因素之間的獨立性，降低模型的復雜度。所以多因素LSTM神經網絡模型在港口燃料油價格預測問題上的應用是可行的，對船舶燃料油成本管理也具有指導意義，即可以提前規(guī)劃在燃料油價格低的港口進行燃料油補給以節(jié)省船舶成本至燃料油補給成本，幫助航運企業(yè)更好的實現盈利。

參考文獻：

[1]賈鵬.基于燃油價格預測的航次租船燃油補給方案優(yōu)化研究[J].交通運輸系統工程與信息，2012.（5）：10-17.

[2]李建.油價關鍵影響因素分析[J].中國經貿導刊，2017.（7）：61-64.

[3]侯春華.基于長短期記憶神經網絡的油田新井產油量預測方法[J].油氣地質與采收率，2019.（3）：105-110.