多因素LSTM神经网络模型预测港口燃料油价格

摘要：燃料油价格波动不定，这是船舶燃料油成本管理的不确定因素之一，为降低燃料补油成本，本研究采用长期短期记忆（LSTM）神经网络对燃料油价格进行预测，结果表明，LSTM神经网络对多因素港口燃料油价格的预测效果良好，精度高，可对船舶燃料油成本管理提供帮助。

在海运中，船舶燃料消耗主要包括主机燃料IFO380，辅机柴油MDO，主机润滑油和辅机润滑油。MDO的单价约为IFO380的1.5倍。20，000TEU集装箱船的主要发动机每天消耗200t以上的燃料，12t-24t的辅助和1t的润滑油，且燃油价格持续走高，这造成燃油成本在船舶运营成本中占有很大份额，而主机燃料油是燃油成本中最大的份额，为节省成本，有必要科学地选择燃料油补给港，从经营成本来看，补给港的选择取决于港口的燃料油价格高低，在价格低的港口大量补给燃油以满足多个航段的燃料油需求是节约成本的好方法，所以对燃料油价格的预测显得格外重要。目前对价格预测的方法有：多元回归分析、时间序列分析、神经网络方法等。贾鹏等[1]用ARMA模型预测了燃料价格，并以此建立补油方案的数学模型，但是ARMA模型训练速度慢和学习精度不够，并且忽略数据中的时间依赖性。因此，本研究采用LSTM神经网络模型预测燃料价格，该方法考虑了数据的时间依赖性，具有较高的预测精度和适应性。

燃料油是原油加工过程中的产物，原油是燃料油的成本端，其价格会直接影响燃料油价格，李健等[2]曾归纳出62种影响油价的因素，例如军事冲突、恐怖袭击、国家政变、税收政策、国家金融、国际环保会议、欧佩克政策等多种因素。此外，国际原油市场定价方法对燃料油价格也会有影响，目前国际上以纽约商业交易所（NYMEX）x1、伦敦国际石油交易所（IPE）x2及迪拜商品交易所（DME）x3等三大主要原油期货交易所对原油价格进行定价。所以，预测燃料油价格不能单方面研究，要在综合多方面因素的情况下，进行燃料油价格预测，由于不可能兼顾所有的影响因素，所以本文选取重要的五个（欧元兑美元汇率x4、新加坡燃料油报价x5）对燃料油价格能产生重大影响的因素进行皮尔森相关系数分析，将相关系数最小的影响因素剔除，剩余的因素带入到多因素LSTM神经网络模型中预测燃料油价格，会得出更加客观且精确的燃料油价格。经计算结果分别是0.616、0.767、0.237、-0.417、1，正负号分别代表正负相关，与大小无关，从结果得知，本文将去除迪拜原油这一影响因素。

本文提出的多因素LSTM神经网络模型，保证了燃料油价格在时序上的记忆性和依赖性和精确性，并且利用皮尔森相关系数进一步筛选相关因素，保证因素之间的独立性，降低模型的复杂度。所以多因素LSTM神经网络模型在港口燃料油价格预测问题上的应用是可行的，对船舶燃料油成本管理也具有指导意义，即可以提前规划在燃料油价格低的港口进行燃料油补给以节省船舶成本至燃料油补给成本，帮助航运企业更好的实现盈利。