基于多种算法的我国稀土需求量预测及分析基于多种算法的我国稀土需求量预测及分析［摘要］基于我国稀土需求总量、需求结构以及世界占比等历史数据，本文分别采用时间序列法、情景分析法，参照世界权威信息服务公司罗斯基尔的相关数据对2020年我国稀土需求量进行预测。研究结果表明，预计到2020年，我国各领域稀土总需求量为11万〜14万吨，比较2012年，年复合增长率为7%〜10%。通过对我国稀土需求量进行预测，为政府制定相关行业政策提供决策依据。［关键词］时间序列法;情景分析法；稀土；需求量;预测doi:10.3969/j.issn.1673-0194.2014.17.065［］F201［文献标识码］A［］1673-0194（2014）17-0105-05稀土是一组同时具有电、磁、光、生物等多种特性的新型功能材料，是信息技术、生物技术、能源技术等高技术领域和国防建设的重要基础材料，同时也对改造某些传统产业，如农业、化工、建材等起着重要作用，是当今世界各国发展高新技术和国防尖端技术以及战略性新兴产业不可缺少的战略物资［1］。稀土消费量和消费结构反映了稀土材料终端应用领域的发展变化，也反映了我国工业化进程、产业发展状况和经济发展方•式的演变，正确预测我国稀土需求对于制定行业政策、合理开发利用及保护稀土资源具有重要意义。［2］1预测方法及数据由于影响稀土需求量的因素众多，这些因素构成了一个复杂系统，给稀土需求量的预测带来了困难，因此目前国内外针对稀土需求进行预测的相关文献较少，且多侧重定性研究,如世界权威信息服务公司罗斯基尔对8种稀土材料下游应用行业发展趋势进行预测和分析来判断稀土需求量的走势和特点。［3］在稀土需求定量预测方•面，罗非（2012）采用指数平滑法对我国稀土生产和需求量分别进行预测；周扬等（2013）在分析差分自回归移动平均（ARTMA）模型与非线性灰色伯努利（NGBM）模型特点的基础上，采用粒子群优化算法（PS0）对非线性灰色伯努利模型的参数进行了优选,建立了ARTMA耦合PS0-NGBM的全球稀土消费总量的时间序列预测模型。在上述学者研究的基础上，本文尝试采用时间序列法、情景分析法，参照罗斯基尔公司的相关数据对2020年我国稀土需求量进行预测。本文进行预测的基础数据于中国稀土学会年鉴、中国稀土信息中心、国家统计局网站以及罗斯基尔信息服务公司出版的《世界稀土经济与市场展望》（第十四版）。2时间序列法预测及分析ARIMA模型将预测对象随时间的变化而生成的序列视为随机序列进行运算，而我国稀土的消费量是…组非平稳时间序列，是一组依赖于时间变化的随机变量，需要对时间序列进行差分处理。依据最佳准则函数定阶法（AIC准则定阶法）和残差方差定阶法，选择信息准则量（AIC）和残差方差较小的模型。[4]将我国1978-2012年稀土消费时间序列数据输入PASWStatistics18软件。表1给出模型拟合统计量，可以看到所有模型拟合统计量R2均在0.932以上，最高达0.998,可见模型具有较高的拟合精度。Sig.列给出了Ljung-Box统计量的显著性值，该检验是对模型中残差错误的随机检验，表示指定的模型是否正确，显著性值小于0.05表示残差误差不是随机的，则意味着所观测的序列中存在模型无法解释的结构。从表1中可以看到统计量值Value的P值Sig.都大于显著性水平0.05,所以残差项不能拒绝不自相关的原假设，即残差项序列为白噪声序列,可判断模型通过有效检验。图1为曲线拟合图，可以看到拟合值与观测值具有较好的一致性。计算整理得到2020年我国稀土消费量预测结果（见表2）。依据时间序列模型预测结果，农轻纺领域稀土需求量呈下降趋势，而其他4类的稀土需求量均呈增长趋势。预计到2020年我国对稀土需求量将达到10.74万吨，与2012年相比，年复合增长率约6.52%o3情景分析法预测及分析稀土需求量的影响因素众多，本文将其主要分为经济状况、行业政策和稀土替代技术的研发3个方面。情景的有效合理设置需要考虑多方面因素，其中对历史数据和经验的分析十分重要，本文根据上述3个因素通过设置不同的情景进行进一步分析。3.1经济状况情景设置由于稀土材料涉及下游行业众多，因此本文用国家GDP值和增长率代表经济发展状况。通过计算1982-2011年我国稀土总需求量与国家GDP总值的...