BP神經網絡在中國能源安全遠景態勢預測中的應用

○譚蓉娟 （廣東工業大學經濟與貿易學院 廣東 廣州 510520）

近年來，中國經濟保持了持續高速發展的態勢，經濟活動中能源的投入量越來越大，能源安全問題也變得越來越不容忽視，已經上升到國家安全的層面。以往學術界對能源安全的研究大多限于從能源本身的角度出發，探討能源與經濟發展的關系。然而，伴隨著能源在經濟活動中使用量的飛速增長，能源使用引致的環境問題也變得異常突出，學術界對能源使用安全的研究開始興起。本文對能源安全態勢的研究是在把能源、經濟、環境作為一個相互影響和相互作用的系統來觀察的前提下，對影響能源安全的相關因素予以篩選和分類，以便客觀地描述同類因素內部以及非同類因素之間的耦合關系，解釋各因素對能源安全的影響過程、結果和調控方式。

一、影響能源安全的因素及預測指標確定

影響能源安全的因素非常復雜，各種因素對能源安全的影響程度也有所不同，主要可以分為以下幾類：能源本身的因素、政治因素、經濟因素、運輸因素、軍事因素、可持續發展因素和其他因素。本文主要是從經濟、能源本身和可持續發展的角度對其進行研究。因此，我們對能源安全態勢預測指標的再次遴選也主要是基于這三大因素。由于我國煤炭儲量較為豐富，而石油與天然氣能源安全狀況不容樂觀，因此我們主要針對石油和天然氣兩種能源資源來確定其相應的能源安全預警指標。為了簡便起見，我們用S代表指標，Si表示指標體系中的第i個指標，相關的的指標表示如下所示。

1、石油儲采比S1。儲采比＝年底剩余石油可呆儲量／當年石油產量。

2、戰略石油儲備度S2。戰略石油儲備度＝戰略石油儲備總量／國內每天石油消費量。

3、石油對外依存度S3。石油對外依存度＝石油年凈進口量／本國年消費量。

4、石油進口集中度S4。石油進口集中度＝本國進口石油最多的前三位國家的石油凈進口量之和／本國凈進口石油總量。

5、油價波動率S5。油價波動率＝相鄰兩年間某原油的平均價之差／基期同種原油的平均價。

6、石油消費強度S6。它是指單位實際國內生產總值所消耗石油的數量。石油消費強度＝一國的年石油消耗總量／該國當年實際國內生產總值。

7、天然氣儲采比S7。計算方法同石油儲采比。

8、環境污染對GDP的消耗度S8。環境污染對GDP的消耗度＝環境污染直接經濟損失／當年國內GDP。

9、運輸通道可靠性評價值S9。在這里，我們根據管道長度、輸油量和管道周轉量等指標的實際數據以及專家對能源運輸的軍事保障能力和運輸通道的安全性的打分評價值來估測。

10、長期能源進口對GDP的消耗程度S10。長期能源進口對GDP的消耗程度＝某年本國用于能源進口的支出金額／當年本國的GDP總量。

11、單位GDP對能源的消費量S11。這一指標是指生產每萬元GDP所需要消耗的能源數量，在我國通常以噸標準煤計算。

另外，考慮到我國實際情況以及數據收集的方便程度，各項預測指標均采用年度數據，預測期限均定為一年；安全狀態分類與界限值是參照國際上公認的臨界值標準加以確定，沒有國際公認標準的，根據我國的具體情況加以確定；權重系數采用熵值法加以確定。

二、使用改進的熵值法確定各指標權重

使用改進的熵值法確定各指標權重步驟如下：

第三步，用Zij代替xij按照前面的步驟來確定各指標的權重。

經過改進的熵值法計算得到各指標權重分別如表1所示。

表1 各指標權重值

三、基于BP網絡的能源安全態勢預測研究

1、利用神經網絡進行能源安全態勢預測的思路。能源系統是一個復雜的系統，利用人工神經網絡可以對非線性復雜系統進行科學預測。這里，我們利用多層前向網絡中的一種學習算法——BP神經網絡對中國能源安全進行預警。利用BP神經網絡進行能源安全預警的基本思路是：整理代表性案例并提取能源安全案例的特征→對每個案例給出其整體能源安全狀態的評價值→將每個案例的特征指標集作為BP神經網絡的輸入X=（x1，x2，…，x11），能源安全狀態評價的評價值作為輸出 Y，構造一個輸入層有11個變量，輸出層有一個變量，中間為隱層的BP 神經網絡→通過對案例（Xk，Yk）（k=1，2，…，p）的學習過程訓練人工神經元網絡→利用訓練好的神經元網絡對新的輸入得到新的輸出→得到預測值。

2、用主成分分析法確定網絡期望輸出值。我們利用SPSS的因子分析法作為間接的主成分分析方法。對標準化數據進行因子分析。當我們提取5個特征值，累計方差貢獻率已達到90%以上，可以求出各個主成分的表達式，最后計算各個主成分1995—2009年的得分并計算各年的綜合得分，如表2所示。

表2 1995—2009年各年綜合得分表

我們把能源安全狀態分為非常安全、安全、臨界狀態、危險和非常危險五個區間，因此我們在這里也劃分五個對應的能源安全狀態得分區間，分別為[-∞，-2.4]，[-2.4，0]，[0，1]，[1，2.4]和[2.4，+∞]，則各個安全狀態得分區間所對應的網絡期望輸出值分別為[00001]，[00010]，[00100]，[01000]和[10000]。

3、BP神經網絡結構和參數的確定。通過利用MATLAB7.0進行實驗，我們最終確定該網絡具有8個隱層神經元最為合適，在0.05的學習步長下網絡收斂速度最快而且最為平穩，傳遞函數和訓練函數分別采用TANSIG和LOGSIG，期望誤差為0.001，最大學習步數為100，選擇單層隱層網絡。我們已經將能源安全狀態分為非常危險、危險、臨界狀態、安全、非常安全，分別對應。因此，該網絡的輸出結果應該有五個指標，即輸出層的節點數為5。

4、計算結果與結論。通過MATLAB程序運行我們可以看到，BP網絡在41步后達到了預先設定的目標精度要求，并且通過對訓練樣本和測試樣本在仿真結果與期望輸出值相對比可以發現，兩者基本不存在誤差，這說明我們所建立的能源安全的BP神經網絡態勢預測系統的性能是比較可靠的。我們利用這一網絡對2015年和2020年中國能源安全形勢進行預測，結論為危險狀態。

需要注意的是，BP神經網絡能源安全態勢預測系統雖然是一種客觀的比較理想的非線性預測系統，但是它的解釋力卻不是很強，不能準確地提供不安全因素來源的有關信息，即不能辨別能源安全系統中的哪一個子系統或者哪一項具體指標出現了問題。因此我們必須通過與主觀預測方法，即指標預測方法結合起來，從而增強能源安全態勢預測系統的解釋能力。

5、對能源安全態勢預測系統的再分析。指標預測方法是一種主觀評分方法。我們可以將原始指標數值映射為分數值，然后計算出各個指標的加權分數。這種方法與BP神經網絡預測方法有機結合起來，既充分發揮了BP神經網絡預測的科學性和客觀性，又保留了指標預測方法較強的解釋能力。

通過指標預測法的調整可以得到2015年和2020年預警指標的映射分數值，如表3所示。

表3 經過權重調整的2015年和2020年中國能源安全預警指標映射分數值

可見，到2015年和2020年，最主要的是石油能源安全狀態不容樂觀，系統中石油儲采比、石油進口的對外依存度等指標居高不下，而天然氣儲采比指標甚至還大幅上升，這表明我國能源安全存在著相當高的風險，我國能源安全形勢依然嚴峻。

首先，石油儲采比指標持續處于高位表明了在可以預見的遠景中，我國經濟發展對石油的需求會維持高速增長，而國內石油已探明可采儲量不會出現大幅增加，甚至可能出現一定程度的下降。而石油進口依存度的不斷上升說明了在中長期之內，進口石油的可獲得性與來源地仍然將對我國能源安全狀況產生明顯的影響。

其次，隨著我國國內對天然氣能源消費需求的大幅增加，在未來二十年中，我國將加大對天然氣資源的開采和利用，因此我國國內天然氣能源的消耗速度將迅速加快。這種情況提醒我們應該積極尋求國外資源，通過進口LNG等方式來滿足國內天然氣消費需求。

最后，環境污染對GDP消耗指標、石油消費強度和GDP單耗指標的下降說明在經濟快速發展、能源大量使用的過程中提高能源利用效率和加強對環境的保護可以引致能源安全指標風險的降低。因此，在中長期的發展過程中，我們必須通過大力發展節能技術、加強環境污染監管與處罰等措施來保證我國經濟、能源和環境的綜合平衡，達到可持續發展的目的。

[1]陳首麗、馬立平：國家經濟安全監測指標體系[J].山西統計，2002（4）.

[2]遲春潔、黎永亮：能源安全影響因素及測度指標體系的初步研究[J].哈爾濱工業大學學報（社會科學版），2004（7）.

[3]飛思科技產品研發中心：神經網絡理論與MATLAB7實現[M].北京：電子工業出版社，2006.

[4]王禮茂：資源安全的影響因素與評估指標[J].自然資源學報，2002（7）.