等维灰数递补模型在能源消费预测中应用.docVIP

等维灰数递补模型在能源消费预测中应用 　　[摘 要] 以1996-2006年我国能源消费总量为原始数据，以等维灰数递补模型为预测工具，对我国“十一五”期间能源消费进行预测。结果表明，等维灰数递补模型是适合我国能源消费预测的理想模型，“十一五”期间我国能源消费将以9.81%的 速度增长，2010年能源消费总量将达到35.66亿万吨标准煤。 　　[关键词] GM(1，1)模型；能源消费；预测；等维灰数递补模型 　　[中图分类号] F274 [文献标识码] A [文章编号] 1006-5024(2008)08-0117-03 　　[作者简介] 王丽敏，中原工学院讲师，研究方向为产业经济学。(河南 郑州 450007) 　　 　　一、引言 　　我国能源消费总量已经位居世界第二，约占世界能源消费总量的11%。能否准确预测我国能源消费量对我国经济乃至全球经济发展都有重要的指导意义。目前，国内外采用的能源需求预测的方法有很多，包括弹性系数法、人均能量消费法、单位产值能耗法、经济计量模型法和能源投入产出分析等[1]-[3]。但是，影响我国能源实际消费量的因素有很多，而且有些因素也难以量化。因此，按一般概率统计途径预测未来能源需求量，做有说服力的预测是非常困难的。 　　灰色系统预测是一种以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，从数据自身出发，通过对“部分”已知信息的生成和开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述[4]。在能源消费内外部影响因素无法确知、可供分析样本较少的情况，从能源消费历史数据出发，采用灰色系统理论构建预测模型具有一定的合理性。本文利用灰色等维灰数递补模型为工具，充分发挥其有效处理复杂性和不确定性因素的模型优势，在已知能源消费总量历史数据的基础上，对我国“十一五”期间能源需求进行预测。 　　 　　二、GM(1，1)模型简介 　　1.GM(1，1)模型建模原理。灰色预测的基本原理是通过将离散的随机原始数列作累加生成，得到指数规律性较强的累加生成序列，再经序列建模的参数估计后，将计算值进行累减还原为预测值。 　　已知原始序列x(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)]，原始序列的一次累加生成的结果为： 　　x(1)=[x(1)(1)，x(1)(2)，…，x(1)(n)] 　　则GM(1，1)模型的白化方程为： 　　+ax(1)(t)=b(其中a，b为参数)(1) 　　令： 　　 　　得：B==(XTX)(-1)(XTY) 　　由式(1)可求解得： 　　x(1)(t+1)=[x(0)(1)- ]e(-at)+ (2) 　　由2式求得还原值为： 　　x^(0)(t+1)=(1-ea)[x(0)(1)- ]e-at，t=1，2，…，n 　　其中-a称为发展系数，b称为灰色作用量。 　　2.GM(1，1)模型在实践中的应用： 　　设原始数据序列 x(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)] 　　(1)用x(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)]建立的GM(1，1)模型称为全数据GM(1，1)； 　　(2)?坌k01，用x(0)=[x(0)(k0)，x(0)(k0+1)，…，x(0)(n)]建立的GM(1，1)模型称为部分数据GM(1，1)； 　　(3)设 x(0)(n+1)为最新信息，将x(0)(n+1)置入x(0)，称用x(0)=[x(0)(1)，x(0)(2)，…，x(0)(n)，x(0)(n+1)]建立的模型为新信息GM(1，1)； 　　(4)置入最新信息 x(0)(n+1)，去掉最老信息 x(0)(1)，保持序列长度不变，称用 x(0)=[x(0)(2)，…，x(0)(n)，x(0)(n+1)]建立的模型为等维灰数递补模型。 　　 　　三、我国能源消费等维灰数递补预测模型 　　1.我国能源消费等维灰数递补模型构建。根据GM(l，l)模型构建原理，以1996-2006年我国能源消费总量数据为基础构建预测模型的原始序列(见表1)。 　　为了比较等维灰数递补模型与全数据GM(1，1)模型的预测精度，以及数据序列长度对预测精度的影响，本文拟采取如下方法构建4个GM(1，1)模型： 　　(1)以1996-2005年我国能源消费总量数据组成全数据GM(1，1)模型的原始数据序列，序列长度为10； 　　(2)分别以1996-1999年、1996-2000年、1995-2000年我国能源消费总量部分数据组成等维灰数递补模型的原始数据序列，序列长度分别为4、5、6(其中1995年我国能源消费总量为13.12亿万吨标准煤)，构建维数分别为4、5、6维的等维灰数