基于組合模型的能源需求預測

寧艷艷　鄭春華　方小艷

摘 要：組合預測模型具有更高的預測精度，能源需求預測的影響因素比較多，因此通過組合預測模型對能源需求進行預測具有較高的精度。本文以最小預測誤差平方和為目標函數的線性組合預測模型，計算出時間序列、灰色理論以及BP 神經網絡組合模型的權重系數，以此預測我國能源需求總量。

關鍵詞：組合預測模型；灰色理論；時間序列；能源需求

能源是經濟發展、社會進步的重要物質基礎，在我國經濟結構轉型以及構建生態環境背景下，加強能源需求預測是提高我國經濟決策準確性，實現經濟可持續發展的重要途徑。能源需求預測是根據能源供需的歷史和現狀進行預測的，因此能源預測涉及的因素比較多，本文基于組合預測模型對我國能源需求進行準確預測，以此為經濟決策提供依據。

一、我國能源需求影響因素分析

我國是能源大國，但是我國能源分布不均，長期以來我國經濟發展以能源消耗為主，尤其是煤炭占到能源消費的大部分，隨著環境污染的日益嚴峻以及產業結構不合理，使得加強對能源需求預測尤為重要。我國能源需求影響因素指標體系構建的因素比較多，為準確進行分析本文選擇1975年到2011年的能源需求數據作為依據進行分析，具體數據見《中國統計年鑒》1975 - 2011年。

二、我國能源需求組合預測模型

（一）基于BP神經網絡的能源預測。BP神經網絡具有結構簡單、可塑性強的特點，本文選擇的神經元模型中的激活函數為：

根據神經網絡預測模型，納入相關的數據得到我國能源需求量的預測值為3.5%，根據運用BP神經網絡模型預測2020年我國能源需求為374780萬噸煤。

（二）GM（1，1）模型預測。在進行灰色模型預測前，需要對1975年到2011年能源需求總量時間序列X=（x（1），..........，

x（k），...x（31））進行級比判斷，其中k代表不同的時間區間，經過計算時間序列的光滑比ρ（k）∈[0，0.347]，顯然0.347<0.5，能源需求原始序列具有準指數規律。

采取1975年到2011年數據作為原始數據序列：

X（0）（t）={x（0）（1975），x（0）（1986），......x（0）（2011）}=

{133831，138553，...266224}

（1） 一次累加數列為：x（1） （k） = {133831，272384， ×××1912884 }，k =10

（2） 建立矩陣B和yn

根據公式[a，b]T= （ btb）-1BTyn ，可解：a=-0.1854752； b=80558.487

其還原模型為：x（0）（k+1）=115474.6573e0.1854752k

根據計算2020年我國能源需求預測為375480億噸標準煤。

三、組合預測模型

組合預測模型就是結合不同類型的預測模型，通過不同的加權平均形式得到較為準確的預測模型。組合預測模式能夠提高預測準確性，提高預測的科學性，尤其是在預測影響因素較多的能源需求預測中，使用組合預測模型是比較理想的。組合預測模型主要包括線性最優組合預測模型和非線性組合模型。本文選以最小預測誤差平方和為目標函數的線性組合預測模型。提取1975-2011年數據求解以上模型得最優組合預測模型為：

利用上述模型對1975～2011年的能源需求量進行預測，得到以下結果，如表所示（選擇2002到2007年的數據）：

通過對上述圖標的分析，經過組合預測模型的計算我國能源需求預測的相對誤差率評價為2.04%左右，由此可見使用組合預測模型相比任何單一的預測模型都具有較為準確的預測值，能夠提高預測的準確性，進而為能源需求戰略制定完善的信息依據。

通過對組合預測模型的實踐應用，結合陜西省近些年的能源需求現狀，我們可以看到陜西省2011年能源需求為9679.7萬噸，將相關數據應用到組合預測模型中我們可以得出：2016年—20201年我省的能源需求增長率為7.07%，由此可見在能源結構調整，大力發展節約型產業的背景下，如何實現陜西省的能源高消耗是實現經濟可持續發展的關鍵。具體對策如下：1.優化能源結構，降低高耗能；二是調整產業結構，大力發展綠色可循環經濟體系；三是樹立節約意識，提高技術，降低能源使用量。當然最最重要的還是要大力發展新型產業，通過科技創新實現產業結構的調整，改變傳統的以高能源消耗為主的產業模式。

參考文獻：

[1] 周揚； 吳文祥； 胡瑩； 劉秀香，基于組合模型的能源需求預測[J]. 中國人口·資源與環境 2010（04）

[2] 張玉春； 郭寧； 任劍翔，基于組合模型的甘肅省能源需求預測研究[J]. 生產力研究 2012（11）