基于BP神经网络模型中国石油需求预测研究.docVIP

基于BP神经网络模型中国石油需求预测研究 　　[摘 要] 石油需求量预测对编制石油产业发展规划具有重要意义。为了合理预测中国石油需求量，将1965―2014年中国国内生产总值、人口数量、产业结构及技术进步4个分量作为输入向量，石油需求量数据作为输出向量，建立中国石油需求预测的BP神经网络模型，利用Matlab软件的神经网络工具箱对BP神经网络模型反复训练，发现当隐含层节点数为17、学习率为01、训练次数为8次、训练精度为0001时得到的效果最好。最后运用所确定的BP神经网络模型对2015―2024年中国石油需求数据进行了预测。 　　[关键词] BP神经网络；石油需求；预测 　　[中图分类号]F407.22 　　[文献标识码]A 　　[文章编号] 1673-5595（2015）03-0008-04 　　一、引言 　　早在2009年，国际能源署（简称IEA）的月度石油市场报告就显示，2012年亚洲将成为全球石油需求增长的主力，而在亚洲各国中，随着经济的快速发展，中国将成为亚洲最大的石油需求地。[1]在这一背景下，对石油需求量进行科学预测已经成为编制石油产业发展规划、制定能源发展战略、协调国内各产业发展的重要依据。1999年，Frank等运用协整分析法对美国石油进口进行了分析，得出了价格冲击与长期价格对石油进口需求行为具有显著影响的结论[2]；2005年，许荣胜运用灰色系统理论预测了中国石油消费需求，认为未来中国石油消费需求将快速增长[3]；同年，倪铮等对中国石油需求量进行了协整计量分析，进一步采用误差修正模型预测了中国石油需求量[4]；2010年，吴良海运用支持向量机拟合中国石油需求数据，拟合结果较好，他对其进行了改进并建立了粒子群优化的支持向量机[5]；2011年，Mehdi运用自回归分布滞后模型分析了七国集团和金砖四国的石油需求，得出了收入、价格弹性及节油技术对石油需求具有显著影响的结论。[6]石油分析与预测的方法主要有协整分析法、灰色预测法、误差修正模型、支持向量机模型和自回归分布滞后模型等，而BP神经网络法具有广泛的适应能力、学习能力和映射能力，在非线性系统建模与预测方面通常可取得满意的结果。[7-10]为此，本文采用BP神经网络构建中国石油需求预测模型，为发展中国石油产业提供科学指导。 　　二、中国石油需求概况与研究方法 　　（一）中国石油需求概况 　　1965―1976年，由于各大油田的相继发现，中国石油需求在能源总需求中所占的比重迅速上升，1976年石油需求比重达到峰值，为247%。1973―1975年的世界经济危机对中国的石油需求产生了很大的影响，导致1976―1983年的石油需求比重以较大的速率下降。此后，石油需求在能源总需求中所占的比重相对稳定，在经过一系列的波动后，石油需求占能源总需求的比重维持在172%左右。随着中国经济的又一轮增长，石油需求比重出现了新一轮提升，石油需求占能源总需求的比重在2000年出现了峰值，为223%，该值为20世纪80年代至今的石油需求占能源总需求的所有比重中的最高值。如今，中国石油需求占能源总需求的比重有进一步提升的趋势，2014年，石油需求在中国能源总需求中的比重为194%。1965―2014年中国石油需求比重变动情况具体如图1所示。 　　除1973―1975年世纪石油危机对中国石油需求造成较大影响外，中国石油需求在较长时期内处于不断上升的状态。1982年以后，石油的需求量不断增长，需求量的增长主要显现在增长率的区别上。按照增长率的波动情况，1982―2001年石油需求增长率在一定时间段上有所放缓，最终以相对稳定的增长率稳步增长，2001年中国石油需求量达吨。2002年后，中国石油需求量陡增，5年中中国石油需求的增长率均保持在6%以上，在经过2005年与2007年两次增速的放缓之后，中国石油需求的增长率不断提升，增长率有指数增长的趋势，到2014年中国石油需求量吨。1965―2014年中国石油需求量变动情况具体如图2所示。 　　（二）研究方法 　　BP神经网络是神经网络的一种，在神经网络中有其自身特点，即误差反向传播，同时它具有多层网络且为前馈神经网络。在BP网络中，信号是向前移动的，样本从输入层传入，即产生信号的输入，信号在隐层经过一定的函数进行处理，在经过各个隐层的指定函数处理后传向输出层，在输出层信号形成一个输出值，输出值会与期望输出值进行对比，若两者不等则出现误差，此时误差会与信号进行相反方向的运动，相反方向传播的误差又逐次反向经过BP网络的各个隐层（通常为S型隐层），在经过各个隐层的处理后将误差回馈给各层单元，各层单元获得误差信号后，凭此信号值修正各单元的权值。[11]此过程不断进行，并不断对各单元的权