D0I:10.13374/h.issn1001-053x.2011.10.019 第33卷第10期 北京科技大学学报 Vol.33 No.10 2011年10月 Journal of University of Science and Technology Beijing 0ct.2011 基于主成分回归分析法预测中国铁矿石需求 牛京考12)☒ 1)北京科技大学土木与环境工程学院，北京1000832)中国钢铁工业协会治金科技发展中心，北京100711 ☒通信作者，E-mail:winneryzj(@126.com 摘要在论述铁矿石需求预测途径的基础上，选取影响我国铁矿石需求的8个基本因素，采用回归分析方法进行了铁矿石 需求的单因素分析.单因素分析结果表明，选取的8个基本因素与铁矿石需求的相关度基本都大于0.9.对8个基本影响因 素进行了主成分分析，最终降维为4个主成分·将主成分分析方法与回归分析方法相结合，建立了铁矿石的需求预测模型，并 对我国2015年和2020年铁矿石的需求量进行了预测，分别为29.76亿1和26.68亿t. 关键词铁矿石：需求预测：数学模型；主成分分析：回归分析 分类号TD98 Prediction of demand for iron ores in China based on principal component re- gression analysis NIU Jing-kao2☒ 1)School of Civil and Environmental Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)Development Center for Metallurgical Science Technology,China Association of Iron Steel Industry,Beijing 100711,China Corresponding author,E-mail:winneryzj@126.com ABSTRACT Based on predicted methods of demand for iron ores,eight basic factors influencing the demand for iron ores in China were selected for single factor regressing analysis.The results show that the degree of correlation between the eight basic factors and de- mand for iron ores is more than 0.9.The principal component analysis method was used to analyze the relationships among the eight basic factors and four principal components were determined among the eight basic factors.Combined the principal component analysis method with the regressing analysis method,a prediction model of demand for iron ores was established.Using the model,the demands for iron ores in 2015 and 2020 in China were predicted and their values are 29.76 billion tons and 26.68 billion tons,respectively. KEY WORDS iron ores:demand forecasting:mathematical model;principal component analysis:regression analysis 钢铁工业是国家工业化社会产业链中最重要的 求量，再通过钢铁行业的内部运行参数导出铁矿石 环节.作为钢铁工业原材料的铁矿石需求随着钢铁 的需求量.需求预测方法很多，定性预测方法有趋 产品消费的持续增长而保持强劲的增长态势习. 势外推法、专家经验预测法、国际强度比较法和市场 深入分析我国铁矿石供给现状和未来趋势，基于 调研法等：定量预测方法有时间序列回归模型法、回 需求预测提出我国铁矿石供给的最佳配置、保障 归分析法、规划法、神经网络法和灰色理论法等.由 战略和经济政策建议，实现铁矿资源开发和进口 于铁矿石需求的内在动力是经济发展，因此国际上 决策的科学化，具有重要的现实意义和深远的战 在资源需求预测领域应用最广泛的是经济模型法. 略意义日 影响铁矿石和粗钢需求的单因素是多方面的，但各 铁矿石需求量可以通过两个途径进行预测：一 因素相互间有一定的影响关系，因此必须首先确定 是直接对铁矿石的表观消费量进行分析，从而对未 诸多因素中哪些是主导因素，哪些是非主导因 来的需求量进行预测：另一个是先预测出粗钢的需 素).本文将采取主成分回归分析的方法来研究这 收稿日期：2010-1008 基金项目：“十一五”国家科技支撑计划资助项目(2006BAB02A16)第 33 卷 第 10 期 2011 年 10 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 33 No． 10 Oct． 2011 基于主成分回归分析法预测中国铁矿石需求 牛京考1，2) 1) 北京科技大学土木与环境工程学院，北京 100083 2) 中国钢铁工业协会冶金科技发展中心，北京 100711 通信作者，E-mail: winneryzj@ 126． com 摘 要 在论述铁矿石需求预测途径的基础上，选取影响我国铁矿石需求的 8 个基本因素，采用回归分析方法进行了铁矿石 需求的单因素分析． 单因素分析结果表明，选取的 8 个基本因素与铁矿石需求的相关度基本都大于 0. 9． 对 8 个基本影响因 素进行了主成分分析，最终降维为 4 个主成分． 将主成分分析方法与回归分析方法相结合，建立了铁矿石的需求预测模型，并 对我国 2015 年和 2020 年铁矿石的需求量进行了预测，分别为 29. 76 亿 t 和 26. 68 亿 t． 关键词 铁矿石; 需求预测; 数学模型; 主成分分析; 回归分析 分类号 TD98 Prediction of demand for iron ores in China based on principal component re￾gression analysis NIU Jing-kao 1，2) 1) School of Civil and Environmental Engineering，University of Science and Technology Beijing，Beijing 100083，China 2) Development Center for Metallurgical Science ＆ Technology，China Association of Iron ＆ Steel Industry，Beijing 100711，China Corresponding author，E-mail: winneryzj@ 126． com ABSTRACT Based on predicted methods of demand for iron ores，eight basic factors influencing the demand for iron ores in China were selected for single factor regressing analysis． The results show that the degree of correlation between the eight basic factors and de￾mand for iron ores is more than 0. 9． The principal component analysis method was used to analyze the relationships among the eight basic factors and four principal components were determined among the eight basic factors． Combined the principal component analysis method with the regressing analysis method，a prediction model of demand for iron ores was established． Using the model，the demands for iron ores in 2015 and 2020 in China were predicted and their values are 29. 76 billion tons and 26. 68 billion tons，respectively． KEY WORDS iron ores; demand forecasting; mathematical model; principal component analysis; regression analysis 收稿日期: 2010--10--08 基金项目:“十一五”国家科技支撑计划资助项目( 2006BAB02A16) 钢铁工业是国家工业化社会产业链中最重要的 环节． 作为钢铁工业原材料的铁矿石需求随着钢铁 产品消费的持续增长而保持强劲的增长态势［1--3］． 深入分析我国铁矿石供给现状和未来趋势，基于 需求预测提出我国铁矿石供给的最佳配置、保障 战略和经济政策建议，实现铁矿资源开发和进口 决策的科学化，具有重要的现实意义和深远的战 略意义［4--6］． 铁矿石需求量可以通过两个途径进行预测: 一 是直接对铁矿石的表观消费量进行分析，从而对未 来的需求量进行预测; 另一个是先预测出粗钢的需 求量，再通过钢铁行业的内部运行参数导出铁矿石 的需求量． 需求预测方法很多，定性预测方法有趋 势外推法、专家经验预测法、国际强度比较法和市场 调研法等; 定量预测方法有时间序列回归模型法、回 归分析法、规划法、神经网络法和灰色理论法等． 由 于铁矿石需求的内在动力是经济发展，因此国际上 在资源需求预测领域应用最广泛的是经济模型法． 影响铁矿石和粗钢需求的单因素是多方面的，但各 因素相互间有一定的影响关系，因此必须首先确定 诸多因素中哪些是主导因素，哪些是非主导因 素［7］． 本文将采取主成分回归分析的方法来研究这 DOI:10.13374/j.issn1001-053x.2011.10.019