陕西省能源消费的ARIMA模型预测分析1800字.docxVIP

陕西省能源消费的ARIMA模型预测分析1800字  　　摘 要：能源消费量在社会持续发展中起着极其重要的作用，本文基于1995-2013年陕西省能源消费总量建立时间序列模型ARIMA（2，2，1），并且对未来的能源消费总量进行了预测，得出相关结论。结果表明，陕西省能源消费将持续增长，也为未来的经济决策提供参考和指导。  　　关键词：ARIMA模型；能源消费；陕西省　　能源消费是指生产和生活所消耗的能源，目前，减少由于能源消费所引起的碳排放已经成为温室气体排放控制的重点。本研究选择陕西省1995-2013年能源消费总量的历史数据为样本，应用ARIMA模型对未来一年陕西省能源消费进行预测。　　一、ARIMA模型　　ARIMA模型又称自回归移动平均模型。ARIMA模型将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性，它既受外部因素的影响，又有自身变动规律。ARIMA模型由3个过程组成，分别是自回归模型AR（p），单整I（d），移动平均过程MA（q）。　　数学表达式如下：yt=∑pi=1aiyt-1+∑qj=1δjεt-j　　二、陕西省能源消费ARIMA模型构建　　（一）数据来源　　本文选取陕西省1995-2013年的能源消费总量，相关数据来自于《陕西省统计年鉴》，见表1。　　（二）模型的建立　　首先检验时间序列是否为平稳序列，通过图1可得陕西省能源消费总量时间序列具有显著的非平稳性，且序列存在明显的指数递增趋势，先对其进行对数变换，再进行一阶差分，检验为非平稳，再对其进行二阶差分，运用Eviews软件对数据进行单位根检验，知序列通过ADF检验，即是平稳的。观察序列的自相关偏自相关图2看出，差分后序列的自相关和偏自相关系数均是拖尾的，于是初步判断选择ARIMA（p，d，q）模型。为获得较优拟合模型 ，尝试建立不同的ARIMA（p，d，q）模型进行参数估计， 具体见表2，ARMA（2，2，1）是最优模型，AIC、SC值为1355973272、1375578292，均小于其他模型，且R-squared数值最大，此外拟合优度也是最大的，最终确定p=2，q=1，建立ARIMA（2，2，1）模型。　　最后对模型进行残差检验，检验结果表明残差序列为白噪声序列，并且对残差序列做自相关和偏自相关分析，充分验证了残差序列是平稳的，说明模型已经提取了有规律的信息，模型拟合的比较好。模型表达式为：　　Yt=e2lnYt-1-LnYt-2+6454.700+2.046411Δ2LnYt-1-1.072608Δ2LnYt-2+μt-0.997472μt-1　　（三）模型预测与分析　　由表3可得，2008-2014年之间的预测误差均在5%之内，并且2009―2013年预测误差保持在1%之内，预测精确度较高，可用于短期预测，选择ARIMA（2，2，1）是合适的，此外还预测出了2014年陕西省能源总量是1257574万吨标准煤。　　三、结论　　通过研究1995-2013年陕西省能源消费总量建立的ARIMA（2，2，1）模型，预测效果良好，根据预测的数据，发现未来几年陕西省能源消费量继续持上升趋势，2014年能达到12575万吨 标准煤。随着能源消费的增长，我们还需要采取新型的能源发展战略，要更加注重节约能源，把节能放在最优先的地位，这不仅要求政府把节约能源作为首要工作，且要求企业提高节能率，将节能措施落实到日常工作中。除此之外，还应该优化能源结构，改变当前能源消费中煤炭比重过大，可加大再生能源的利用，例如风能、太阳能，政府还应鼓励企业开发清洁新能源，鼓励当地人民因地制宜使用新型能源，以达到经济的可持续发展。　　参考文献：　　[1] 王喜平，娄淑军.基于ARIMA模型的河北省能源消费预测[J].区域经济，2012　　[2] 胡广阔，王克振.基于ARIMA模型的甘肃省能源消费预测[J].科学技术与工程，2009　　[3] 赵建春，孙文娜.ARIMA模型在能源消费总量中的应用[J].现代商业，2013　　[4] 刘勇，汪旭晖.ARIMA模型在我国能源消费预测中的应用[J]，经济经纬，2007　　[8] 易丹辉.数据分析与Eviews应用[M].北京：中国统计出版社，2002