基于组合预测模型煤炭消费预测分析.docVIP

基于组合预测模型煤炭消费预测分析 　　摘要：能源消费与GDP关系密切。文章利用我国煤炭能源消费和GDP的历史数据，采用线性回归分析、灰色预测模型和神经网络模型进行组合优化，建立了能源消费与GDP关系的组合预测模型。实证分析结果表明预测值和实际结果有很好的一致性，可以作为在给定GDP的前提下，预测能源消费量的有效工具。这对于我国能源行业的生产和政府对能源政策的制定，都有重要的现实和指导意义。 　　关键词：组合预测模型；GDP；能源消费 　　中图分类号：F426　　　　　文献标识码：A　　　 　　文章编号：1009-2374（2012）24-0005-03 　　1　概述 　　煤炭是我国的基础能源，在国民经济中占有重要的地位，在我国一次能源消费中的比重长期高达70%左右。长期以来，我国一直是世界第一大煤炭生产国和世界第二大电力生产国。在我国的经济发展中，煤炭的地位举足轻重。十二五规划以来，我国国民经济将会继续快速发展，基础设施建设步伐将会继续加快。经济发展对能源尤其是煤炭的生产与消费增长显著，因此对能源消费和经济增长之间关系的研究意义重大。 　　本文在对我国能源消费进行定性分析的基础上，选用线性回归分析、灰色预测模型和神经网络模型三种预测模型，采用了离异系数法以对各项预测模型赋予权重，从而实现组合预测模型的构建，并对未来四年我国的能源需求进行预测，以便为我国的能源政策提供数据支持和政策依据。 　　2　单项预测模型 　　2.1　回归分析预测模型 　　回归分析预测技术是一种通过分析确定两种或两种以上变量间相互依赖的定量关系，并依据这种关系进行预测的方法，我国以煤炭为主要能源，因此煤炭消费量与GDP之间存在着密切的关系。本文选择以煤炭消费量为被解释变量Y，以GDP为解释变量X，建立煤炭消费量的线性回归模型。首先统计了我国近十年来的GDP和煤炭消费量数据，如表1、表2所示。通过作图和直观的分析显示，随着GDP的升高，煤炭消费量逐年升高，该趋势比较明显稳定。因此可以认为，煤炭消费量与GDP之间存在一定的线性关系。 　　采用最小二乘法对原煤消耗量与GDP的关系进行分析，令方程为：，根据最小二乘法的??算方法，代入数据解得=0.628，=8.282，即所得方程为Y=8.282+0.628x。 　　2.2　模糊分析预测模型 　　我们考虑一类常用的线性Fuzzy预测模型。Y=A+BX，其中，A和B均是Fuzzy数。由原始数据组，根据专家经验产生模糊数据组。给定拟合度标准h0，求解，确定A，B。做出预测与决策。Fuzzy预测模型，对给定置信水平α做决策判断。即求解：，即，可得y（α）。 　　2.3　神经系统分析预测模型 　　BP神经网络是一个非线性动力学系统，BP算法的模型为前向多层网络，采用三层BP神经网络，设输入层含有m个节点，输出层有1个节点，隐含层的神经元个数为u。考虑到各个输入量之间大小上的差异及变化速度上的差异，各分量不能通过初值化、均值化算子实现无量纲化。归一化公式为： 　　k=1，2，3，4，5 i=0，1，2，…，9 　　这种无量纲化方法既解决了量纲和数值差别所引起的问题，又不会改变各模型曲线的空间相对关系。在标准BP算法中步长一般取0～1中的一个定值，步长取值过大可加快学习速度，但有可能导致学习过程不收敛；若取值太小，则迭代次数明显增加，导致学习速度十分缓慢。考虑到样本个数对误差的直接影响，采用A=E/LA/LC，其中LA、LC分别为输出神经元个数和样本个数，通过优化步长，使网络取得较好效果。 　　2.4　各模型的拟合结果与误差 　　根据以上模型，结合表1、表2数据，求得各模型的拟合值与相对误差，其数值如表3所示： 　　3　组合预测模型 　　组合预测模型由Bates和Granger在20世纪60年代首次提出，因为其方法的科学合理性，该模型技术发展很快，组合预测模型的方法有很多优势，如可以克服单一模型的局限性，减少偶然误差对预测结果的影响，大幅度提高预测的准确性和合理性。 　　3.1　模型的建立 　　假设对同一预测问题，用N种不同的预测模型分别进行预测，将这N个模型构成组合预测模型为： 　　式中，为t时刻组合预测模型的预测值；为t时刻第i种预测模型的预测值；ki为组合预测模型的第i个模型的权重，且。 　　3.2　最优权重的计算方法 　　设被预测量为Y=（y1，y2，…，yp），其中yi（i=1，2，…，p）是Y的分解子项，如果有K个单一模型对Y进行预测，则组合预测即是将这K个模型的预测值fi（i=1，2，…，k）组合成一个对的新的预测结果，即： 　　其中：，且 　　求解上述问题得到的组合预测模型，降低了单项模型误差较大点对组合预测模型的影响，稳定性较强。结合实际数据，可求得ω1=0.230，ω2=0.338，ω3=0.432，即组