基于动态广义回归神经网络煤炭需求预测模型.pdfVIP

第1期 山西焦煤科技 No．1 2012年1月 Shanxi Coal Jan．2011 CokingScienceTechnology ·试验研究· 基于动态广义回归神经网络煤炭需求预测模型 冯 乐，窦鲁星 (中国矿业大学资源与地球科学学院，江苏徐州221116) 摘要煤炭需求预测是指导我国煤炭工业发展规划的重要依据之一。我国煤炭资源需求影响 因素复杂，准确地预测需要考虑经济、社会等多方面因素。针对获取数据不足等特点，首次在煤炭的 预测中运用动态广义回归神经网络(D—GRNN)的方法，预测了中国未来近十年内的煤炭预测值，得 到了比较合理的预测值。运用预测数据对国家的煤炭宏观调控做出了合理评价。 关键词 煤炭需求；预测；动态广义回归神经网络；宏观调控 1 Neu- 背景 本文所用的动态GRNN(GeneralRegression ral 众所周知，中国能源结构始终是以煤炭为主，作 Netwok，广义回归神经网络)是一种径向基神经网 为世界上最大的煤炭需求国。我国煤炭行业自建国 络，同时采取动态预测的手段，具有很强的非线性映 以来，一直未走出“过剩一缓和一再过剩”的“怪 射能力，由于它具有高度的容错性，在逼近能力和学 圈”…，其供需不平衡很大程度是由于我国煤炭需求 习速度上优势更强。同时，GRNN满足在相关数据缺 预测上偏差较大或是预测方式的不合理所导致。在 乏的情况下对数据的预测，弥补了煤炭需求预测数据 接下来的十年时间，石油供需增大的同时将继续面临 不足的特点。目前，GRNN的预测主要集中在工程、 补充不足、价格持续攀升等阻碍，而常规和非常规天 交通等领域，而在能源需要预测中未被很好地应用。 然气、风电、水电等能源的开发利用尚处于初级阶段， 因此，本文针对我国煤炭需求模型中数据具有非线性 不足以作为煤和石油的替代物。与此同时，我国的煤 和历史数据较少以及影响因素众多等特征，建立应用 炭储量依然丰富，价格低廉。《BP能源统计2011》预 计我国煤炭的储产比为35年，远高于石油(9．9年)中国未来十年来煤炭需求状况进行预测，为煤炭行业 和天然气(29．O年)L2J。 提供决策支持。 因此，如何能科学地对煤炭的需求做出预测，继 2中国煤炭需求影响因素分析 而引导煤炭行业合理勘探开采，是符合21世纪科学 我国的煤炭需求预测过程是个非线性的极其复 发展的大计，也是避免能源的不合理开发利用对国家 杂系统№】，煤炭的需求受到经济、社会等众多因素的 发展带来阻碍的必要手段。近年来，BPNN(Back影响。同时，煤炭需求又直接关系到我国经济建设和 Neural PropagationNetwork，简称BP神经网络)是一社会发展，所以必须根据其需求行为，归纳和选择影 种误差反向传播的多层前向人工神经网络，是应用的 响煤炭需求的各种因素，并充分考虑这些影响因素自 最为广泛的一种神经网络[3’4]，被广泛应用于能源的身之间错综复杂的关系，以达到预测的合理性与科学 预测之中。但是，性能优良的BPNN需要确定模型的性。结合相关资料，分析指标之间相关性，确定了如 结构，存在训练耗时和不能保证全局最优等问题哺】。 下影响煤炭需求的主要因素。 收稿日期：2011—1l一27 作者简介：冯乐(1990～)。