《主成分分析在能源消耗中的应用》-毕业论文（设计）.docVIP

PAGE PAGE 1 毕业论文 题 目 主成分分析在能源消耗中的应用 学生姓名 学 号 学 院 专 业 统 计 指导教师 二 Ｏ 一 一 年 五 月 二 十 五 日 目 录 TOC \o 1-2 \h \z \u 0 引言 2 1建立模型 2 1.1主成分分析的思想 2 1.2主成分分析 3 1.3回归分析与预测 7 2 结论 10 3建议 10 参考文献 11 致 谢 12 附录 13 主成分分析在能源消耗中的应用 肖静（20071315017） 南京信息工程大学数理学院统计系，南京 210044 摘要：通过文献回顾提炼出对能源需求有重大影响的因素，基于中国1991年~2009年的统计数据，利用主成分分析法消除了各影响因素间的多重共线性，结果表明经济发展水平和市场化水平显著影响能源需求。在此基础上建立了主成分回归模型对能源需求进行预测，并通过实际检验说明了该模型的预测效果较好。 关键词：能源需求；主成分分析；回归模型 0 引言 中国地大物博、资源丰富，自然资源总量排世界第七位，能源资源总量约4万亿吨标准煤，居世界第三位。煤炭的资源量为为10024.9亿吨，石油的资源量为930亿吨，天然气的资源量为38万亿立方米，而石油和天然气储量只占资源量的约20%和约3%；水力的可开发装机容量为3.78亿千瓦，居世界首位；新能源与可再生能源资源丰富，风能资源量约为16亿千瓦，可开发利用的风能资源约2.53亿千瓦，地热资源的远景储量为1353.5亿吨标准煤，探明储量为31.6亿吨标准煤，太阳能、生物质能、海洋能等储量更是属于世界领先地位。但相对总人口规模巨大的中国来说，仍然是不多的。 国内外许多能源机构或相关机构对能源需求进行过研究, 得出了一些比较常用并且实用的分析方法，可以分为为时间序列预测法和回归预测法两大类[1]。 时间序列预测法是一种考虑变量随时间变化规律并用该变量以往的统计资料建立数学模型做外推预测方法。由于时间序列预测法所需要的只是序列本身的历史数据，因此，这类方法应用非常广泛，具体方法有时间序列分解分析法，引动平均法，指数平滑法，趋势外推法，自适应过滤法，平稳时间学列预测法，灰色预测法，状状态空间模型和卡尔曼滤波。国内学者如杜雨潇 [2]运用回归移动平均模型对能源需求进行建模与分析，就是属于这种方法的范畴。 回归预测法是用研究变量和变量之间相关关系的一种数理统计方法，应用回归分析从一个或几个自变量的值去预测因变量的值。回归预测中的因变量和自变量在时间上时并进关系，即一边两的预测值要有并进的自变量来旁推。这类方法不仅考虑了时间因素，而且考虑了变量之间的因果关系。具体方法有一元线性回归预测法，多元线性回归预测法，非线性回归预测法等。本文就采用了回归预测法，建立了能源消耗量与影响因素之间的模型。 全球性的能源危机已经愈演愈烈，随着中国经济的快速发展，对能源的依赖越来越大，因而搞好能源需求预测为能源规划及政策的制定提供科学依据有着重要的理论及现实意义。林伯强[3]建立了包括中国能源消费量、国内生产总值、能源价格和结构变量的中国能源需求协整误差校正模型, 实证分析了上述变量间存在长期均衡关系这样分析不是很精确。经过反复思考，本文认为能源消耗量影响国内生产总值，国内生产总值是因变量，而能源消耗量是自变量，所以将这个因素剔除。所以本文从上述变量中选取了能源价格和结构变量（包括煤炭消费比重、石油消费比重、天然气消费比重、水电核电风电消费比重）这些因素，并加入了工业占国民经济的比重、镇人口占总人口比重、能源的利用效率这些因素，利用主成分分析法分析这八个因素对能源消耗的影响，并作出定量分析。 1建立模型 1.1主成分分析的思想[4] 主成分分析是数学上对数据降维的一种方法。其基本思想是设法将原来众多的具有一定相关性的指标X1，X2，…，XP（比如p个指标），重新组合成一组较少个数的互不相关的综合指标Fm来代替原来指标。那么综合指标应该如何去提取，使其既能最大程度的反映原变量Xp所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）。 设F1表示原变量的第一个线性组合所形成的主成分指标，即,由数学知识可知，每一个主成分所提取的信息量可用其方差来度量，其方差V