论文部分内容阅读
摘 要：组合预测模型具有更高的预测精度，能源需求预测的影响因素比较多，因此通过组合预测模型对能源需求进行预测具有较高的精度。本文以最小预测误差平方和为目标函数的线性组合预测模型，计算出时间序列、灰色理论以及BP 神经网络组合模型的权重系数，以此預测我国能源需求总量。
关键词：组合预测模型；灰色理论；时间序列；能源需求
能源是经济发展、社会进步的重要物质基础，在我国经济结构转型以及构建生态环境背景下，加强能源需求预测是提高我国经济决策准确性，实现经济可持续发展的重要途径。能源需求预测是根据能源供需的历史和现状进行预测的，因此能源预测涉及的因素比较多，本文基于组合预测模型对我国能源需求进行准确预测，以此为经济决策提供依据。
一、我国能源需求影响因素分析
我国是能源大国，但是我国能源分布不均，长期以来我国经济发展以能源消耗为主，尤其是煤炭占到能源消费的大部分，随着环境污染的日益严峻以及产业结构不合理，使得加强对能源需求预测尤为重要。我国能源需求影响因素指标体系构建的因素比较多，为准确进行分析本文选择1975年到2011年的能源需求数据作为依据进行分析，具体数据见《中国统计年鉴》1975 - 2011年。
二、我国能源需求组合预测模型
（一）基于BP神经网络的能源预测。BP神经网络具有结构简单、可塑性强的特点，本文选择的神经元模型中的激活函数为：
根据神经网络预测模型，纳入相关的数据得到我国能源需求量的预测值为3.5%，根据运用BP神经网络模型预测2020年我国能源需求为374780万吨煤。
（二）GM（1，1）模型预测。在进行灰色模型预测前，需要对1975年到2011年能源需求总量时间序列X=（x（1），..........，
x（k），...x（31））进行级比判断，其中k代表不同的时间区间，经过计算时间序列的光滑比ρ（k）∈[0，0.347]，显然0.347<0.5，能源需求原始序列具有准指数规律。
采取1975年到2011年数据作为原始数据序列：
X（0）（t）={x（0）（1975），x（0）（1986），......x（0）（2011）}=
{133831，138553，...266224}
（1） 一次累加数列为：x（1） （k） = {133831，272384， ×××1912884 }，k =10
（2） 建立矩阵B和yn
根据公式[a，b]T= （ btb）-1BTyn ，可解：a=-0.1854752； b=80558.487
其还原模型为：x（0）（k+1）=115474.6573e0.1854752k
根据计算2020年我国能源需求预测为375480亿吨标准煤。
三、组合预测模型
组合预测模型就是结合不同类型的预测模型，通过不同的加权平均形式得到较为准确的预测模型。组合预测模式能够提高预测准确性，提高预测的科学性，尤其是在预测影响因素较多的能源需求预测中，使用组合预测模型是比较理想的。组合预测模型主要包括线性最优组合预测模型和非线性组合模型。本文选以最小预测误差平方和为目标函数的线性组合预测模型。提取1975-2011年数据求解以上模型得最优组合预测模型为：
利用上述模型对1975～2011年的能源需求量进行预测，得到以下结果，如表所示（选择2002到2007年的数据）：
通过对上述图标的分析，经过组合预测模型的计算我国能源需求预测的相对误差率评价为2.04%左右，由此可见使用组合预测模型相比任何单一的预测模型都具有较为准确的预测值，能够提高预测的准确性，进而为能源需求战略制定完善的信息依据。
通过对组合预测模型的实践应用，结合陕西省近些年的能源需求现状，我们可以看到陕西省2011年能源需求为9679.7万吨，将相关数据应用到组合预测模型中我们可以得出：2016年—20201年我省的能源需求增长率为7.07%，由此可见在能源结构调整，大力发展节约型产业的背景下，如何实现陕西省的能源高消耗是实现经济可持续发展的关键。具体对策如下：1.优化能源结构，降低高耗能；二是调整产业结构，大力发展绿色可循环经济体系；三是树立节约意识，提高技术，降低能源使用量。当然最最重要的还是要大力发展新型产业，通过科技创新实现产业结构的调整，改变传统的以高能源消耗为主的产业模式。
参考文献：
[1] 周扬； 吴文祥； 胡莹； 刘秀香，基于组合模型的能源需求预测[J]. 中国人口·资源与环境 2010（04）
[2] 张玉春； 郭宁； 任剑翔，基于组合模型的甘肃省能源需求预测研究[J]. 生产力研究 2012（11）
关键词：组合预测模型；灰色理论；时间序列；能源需求
能源是经济发展、社会进步的重要物质基础，在我国经济结构转型以及构建生态环境背景下，加强能源需求预测是提高我国经济决策准确性，实现经济可持续发展的重要途径。能源需求预测是根据能源供需的历史和现状进行预测的，因此能源预测涉及的因素比较多，本文基于组合预测模型对我国能源需求进行准确预测，以此为经济决策提供依据。
一、我国能源需求影响因素分析
我国是能源大国，但是我国能源分布不均，长期以来我国经济发展以能源消耗为主，尤其是煤炭占到能源消费的大部分，随着环境污染的日益严峻以及产业结构不合理，使得加强对能源需求预测尤为重要。我国能源需求影响因素指标体系构建的因素比较多，为准确进行分析本文选择1975年到2011年的能源需求数据作为依据进行分析，具体数据见《中国统计年鉴》1975 - 2011年。
二、我国能源需求组合预测模型
（一）基于BP神经网络的能源预测。BP神经网络具有结构简单、可塑性强的特点，本文选择的神经元模型中的激活函数为：
根据神经网络预测模型，纳入相关的数据得到我国能源需求量的预测值为3.5%，根据运用BP神经网络模型预测2020年我国能源需求为374780万吨煤。
（二）GM（1，1）模型预测。在进行灰色模型预测前，需要对1975年到2011年能源需求总量时间序列X=（x（1），..........，
x（k），...x（31））进行级比判断，其中k代表不同的时间区间，经过计算时间序列的光滑比ρ（k）∈[0，0.347]，显然0.347<0.5，能源需求原始序列具有准指数规律。
采取1975年到2011年数据作为原始数据序列：
X（0）（t）={x（0）（1975），x（0）（1986），......x（0）（2011）}=
{133831，138553，...266224}
（1） 一次累加数列为：x（1） （k） = {133831，272384， ×××1912884 }，k =10
（2） 建立矩阵B和yn
根据公式[a，b]T= （ btb）-1BTyn ，可解：a=-0.1854752； b=80558.487
其还原模型为：x（0）（k+1）=115474.6573e0.1854752k
根据计算2020年我国能源需求预测为375480亿吨标准煤。
三、组合预测模型
组合预测模型就是结合不同类型的预测模型，通过不同的加权平均形式得到较为准确的预测模型。组合预测模式能够提高预测准确性，提高预测的科学性，尤其是在预测影响因素较多的能源需求预测中，使用组合预测模型是比较理想的。组合预测模型主要包括线性最优组合预测模型和非线性组合模型。本文选以最小预测误差平方和为目标函数的线性组合预测模型。提取1975-2011年数据求解以上模型得最优组合预测模型为：
利用上述模型对1975～2011年的能源需求量进行预测，得到以下结果，如表所示（选择2002到2007年的数据）：
通过对上述图标的分析，经过组合预测模型的计算我国能源需求预测的相对误差率评价为2.04%左右，由此可见使用组合预测模型相比任何单一的预测模型都具有较为准确的预测值，能够提高预测的准确性，进而为能源需求战略制定完善的信息依据。
通过对组合预测模型的实践应用，结合陕西省近些年的能源需求现状，我们可以看到陕西省2011年能源需求为9679.7万吨，将相关数据应用到组合预测模型中我们可以得出：2016年—20201年我省的能源需求增长率为7.07%，由此可见在能源结构调整，大力发展节约型产业的背景下，如何实现陕西省的能源高消耗是实现经济可持续发展的关键。具体对策如下：1.优化能源结构，降低高耗能；二是调整产业结构，大力发展绿色可循环经济体系；三是树立节约意识，提高技术，降低能源使用量。当然最最重要的还是要大力发展新型产业，通过科技创新实现产业结构的调整，改变传统的以高能源消耗为主的产业模式。
参考文献：
[1] 周扬； 吴文祥； 胡莹； 刘秀香，基于组合模型的能源需求预测[J]. 中国人口·资源与环境 2010（04）
[2] 张玉春； 郭宁； 任剑翔，基于组合模型的甘肃省能源需求预测研究[J]. 生产力研究 2012（11）