可用统计预测与决策论文.docVIP

统计预测与决策 课 程 论 文 题目：组合预测模型在全国能源消耗总量中的应用 学生姓名： 学 号： 院 系：　 专 业： 　 指导教师：　　　 二Ｏ一二年十二月十四日 统计预测与决策期末论文 组合预测模型在全国能源消耗总量中的应用 【概要】：能源是国民经济、社会发展的基础和战略资源能源问题已经成为经济社会可持续发展的主要问题。本文以我国1978-2008年的全国能源消耗总量数据为基础，建立了ARIMA预测模型、三次多项式预测模型、灰色预测法和基于这几种模型的组合模型，并进行了精度比较，最后选择最优的组合预测模型对2009-2011年的全国能源消耗总量进行预测。 关键词：单位根ARMA模型能源消费 组合模型 三次多项式 灰色预测法 1 引言： 能源是国民经济发展和人民生活水平提高的重要物质基础，能源短缺曾经长期制约我国经济的发展。近几年由于能源工业的发展，短缺局面虽然得到了缓解，但从长远来看能源供需形势仍然非常严峻，因此做好未来能源消费预测分析，为能源规划及政策的制定提供科学的依据，对于保持我国社会经济健康、持续、稳定发展具有重要的理论与现实意义。 本文利用《中国统计年鉴》得到31期全国能源消耗总量y的时间序列如下表一所示： 表一：全国能源消耗总量（单位：万吨标准煤） 年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 y 57144 58588 60275 59447 62067 66040 70904 76682 80850 年份 1987 1988 1989 1990 1991 1992 1993 1994 1995 y 86632 92997 96934 98703 103783 109170 115993 122737 131176 年份 1996 1997 1998 1999 2000 2001 2002 2003 2004 y 138948 137798 132214 133831 138552.6 143199.2 151797.3 174990.3 203226.7 年份 2005 2006 2007 2008 y 224682 246270 265583 285000 2 预测方法介绍 2.1 ARIMA模型的基本原理 将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。 ARIMA模型全称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归, p为自回归项; MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。 　　或者说，所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。 其中白噪声过程。 q阶的移动平均过程MA（q）可以表示为： ，为白噪声过程。 ARIMA( p,d, q)模型一般表达式为： 2.2 灰色预测法 灰色预测理论是将看似离散的数据序列经数据变换后形成有规律的生成数列 ( 如累加生成、累减生成 ) ，然后对生成数列建立微分方程，得到模型的计算值后，再与实测值比较获得残差，用残差再对模型作修正，然后便可用建立的灰色模型对该问题进行预测。 　灰色系统预测主要包括： 　1.数列预测，即对系统行为特征值的预测。 　2.激励预测，即对在一些突然性因素影响下的行为特征值的预测。 　3.突变预测，即对系统的行为特征值超过一定限度而造成“突变”的时间的预测 　4.季节突变预测，即在某一特定时期内发生的突变的预测。 　5.拓展预测，是对不规则波动系统的行为特征的波形的预测。 　6.系统预测，是一种综合预测，即先用不同模型表示变量之间的关系，得到一组模型，然后再进一步采用模型来表示诸模型组之间的关系，得到一个复合模型来进行预测。 组合预测方法是对同一个问题，采用两种以上不同预测方法的预测。它既可是几种定