中国铬矿需求情景分析

资源与产业 ›› 2011, Vol. 13 ›› Issue (4): 43-49.

中国铬矿需求情景分析

郑明贵¹, 赖亮光²

1江西理工大学外语外贸学院，江西赣州 341000；2江西省国土资源厅, 江西南昌 330002

收稿日期:2010-10-08 修回日期:2011-03-29 出版日期:2011-08-20 发布日期:2011-08-20
作者简介:郑明贵(1978—)，男，博士、副教授，主要从事矿业经济研究。
基金资助:
江西省社会科学规划学科共建项目(09YJ238)。

SCENARIO ANALYSIS OF CHINA’S DEMAND FOR CHROME ORE

ZHENG MIng-gui¹, LAI Liang-guang²

Received:2010-10-08 Revised:2011-03-29 Online:2011-08-20 Published:2011-08-20

摘要/Abstract

摘要：

中国铬矿资源极度缺乏。分析中国铬矿未来需求情景，对于合理开发与利用国内外铬矿资源具有非常重要的战略意义。本文首先对全球铬矿资源分布与市场尤其是中国铬矿产销状况进行了深入分析。其次分析了影响铬矿需求的因素，对铬矿需求情景进行了定义。最后建立了铬矿需求情景神经网络模型，并对铬矿需求宏观情景进行了设定，测算出了中国铬矿未来需求情景。结果表明：中国铬矿在未来国内产能基本不变的情况下，进口依存度将达到98%及以上。

关键词: 铬矿, 情景分析, 神经网络, 资源开发

Abstract:

China is seriously short of Chrome resources. It is of significance to analyze China’s future demand of Chrome ore for developing and utilizing global Chrome resources. This paper analyzes the global Chrome resource distribution and markets, especially China’s Chrome production and market, and studies the demand factors, and gives a definition of Chrome demand scenario, and sets up a demand scenario model based on artificial neural networks to predict China’s future demand of Chrome ore. The results show a highly-dependence upon export up to 98% given a stable internal Chrome production.
Key words

Key words: Chrome ore, scenario analysis, neural network, resources development

中图分类号:

F407.1

郑明贵, 赖亮光. 中国铬矿需求情景分析[J]. 资源与产业, 2011, 13(4): 43-49.

ZHENG Ming-gui, LAI Liang-guang. SCENARIO ANALYSIS OF CHINA’S DEMAND FOR CHROME ORE[J]. Resources & Industries, 2011, 13(4): 43-49.

参考文献

[1］陈津，王社斌，林万明，等. 21世纪中国铬业资源现状与发展[J]．铁合金，2005(2)：39-41，38
[2］刘随臣. 我国铬铁矿未来供需态势与国外供矿前景分析[J]. 中国国土资源经济，2004，17(8)：4-6，25
[3］张福生，高鹏，陈甲斌. 我国铬铁矿未来供需态势与调控政策分析[J]. 地质找矿论丛，2005，20(3)：215-217
[4］张宏. 基于投入产出模型的煤炭资源供需情景研究[D]. 北京：北京科技大学, 2005
[5］国际货币基金组织. 世界经济展望：金融压力、下降和复苏[M]. 北京: 中国金融出版社，2008
[6］卢锋. 中国经济高增长趋势不会改变[J]．当代经济，2008(17)：9-10
[7］王小广. 当前我国宏观经济增长趋势及政策建议[J]．当代经济, 2008(14)：4-5
[8］王小汀, 叶斌, 刘玉彬. 基于神经网络的综采工作面技术经济指标预测[J]. 系统工程理论与实践, 2001(7)：129-144
[9］周翔，朱学愚，文成玉，等. 基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用[J]. 水利学报, 2000(12)： 59-63
[10］MillerIII W T, Sutton R S, Werbos P J. Neural networks for control [M]. Cambridge, MA: The MIT Press, 1991
[11］McLooneS, Brown M D, Irwin G, et al. A hybrid linear/nonlinear training algorithm for feed forward neural networks [J]. IEEE Transactions on Neural Networks, 1998, 9(9): 669-683
[12］周开利，康耀红. 神经网络模型及其MATLAB仿真程序设计[M]. 北京：清华大学出版社， 2005
[13］Rumelhart D B, Hinton G E, Williams R J. Learning internal representations by error propagation in parallel distributed processing: explorations in microstructure of cognitionⅠ[R]. Cambridge, MA: The MIT Press, 1986

[1]	何乐天, 杨泳琪, 李蓉, 等. 基于STIRPAT模型的黑龙江省工业碳排放情景分析与峰值预测[J]. 资源与产业, 2024, 26(1): 162-172.
[2]	孙涵, 张红艳, 付晓灵. 中国经济增长与能源消费的多部门脱钩预测[J]. 资源与产业, 2021, 23(5): 11-20.
[3]	刘子琦，张云宁，欧阳红祥. 基于SA-WNN模型的油价预测研究[J]. 资源与产业, 2020, 22(3): 58-64.
[4]	宋丽丽，白中科.. 煤炭资源型城市生态风险评价及预测:以鄂尔多斯市为例[J]. 资源与产业, 2017, 19(5): 15-22.
[5]	王甲山，刘宝迪，赵天. 大庆油田特高含水期开发对生态环境影响及管控问题研究[J]. 资源与产业, 2017, 19(2): 103-107.
[6]	石小石,白中科,刘卿斐,等.. 我国矿产资源开发中的政府协同监管机制研究[J]. 资源与产业, 2017, 19(1): 17-22.
[7]	后立胜，李效广，金若时，等.. 中国盐湖卤水锂资源禀赋分析与策略建议[J]. 资源与产业, 2016, 18(5): 55-.
[8]	张炜. 世界铬矿资源需求分析及预测[J]. 资源与产业, 2016, 18(4): 87-91.
[9]	朱九龙，陶晓燕. 矿产资源开发区生态补偿理论研究综述[J]. 资源与产业, 2016, 18(2): 82-86.
[10]	卜星，安海忠，王利军，等. 碳交易市场期货间价格波动关系与趋势预测[J]. 资源与产业, 2016, 18(2): 111-120.
[11]	冯聪. 边疆少数民族地区矿产资源开发利益共享机制研究[J]. 资源与产业, 2016, 18(1): 26-31.
[12]	沈明,沈镭,张艳,刘立涛,张超,陈枫楠. 陕西省能源供给系统稳定性动态情景预测[J]. 资源与产业, 2015, 17(5): 53-59.
[13]	康凯,宋文博，郭子龙，孟庆香. 河南省环境污染和经济增长关系实证研究:基于遗传—BP神经网络、协整分析和VAR模型[J]. 资源与产业, 2014, 16(5): 100-106.
[14]	陈家愿，郑明贵. 基于BP神经网络的我国海外矿业投资金融风险预警分析[J]. 资源与产业, 2014, 16(4): 106-110.
[15]	董华松,黄文辉. 利用遗传算法优化的小波神经网络实现地热资源预测[J]. 资源与产业, 2014, 16(3): 101-106.