基于灰色關聯(lián)度組合模型的能源消費預測研究

郭婧英

(天津大學 管理與經(jīng)濟學部， 天津 300072)

?

基于灰色關聯(lián)度組合模型的能源消費預測研究

郭婧英

(天津大學 管理與經(jīng)濟學部， 天津 300072)

為了準確預測未來幾年我國能源消費總量，基于灰色關聯(lián)度建立了我國能源消費組合預測模型，并與傳統(tǒng)GM(1,1)模型進行對比分析。結果表明：組合模型能有效降低平均相對誤差，提高預測精度，非常適用于我國能源消費預測。

灰色關聯(lián)度；組合模型；能源消費；預測

能源是人類活動的重要物質基礎，也是人類社會賴以生存和發(fā)展的重要影響因素，直接關系著一個國家經(jīng)濟發(fā)展的命脈。改革開放以來，我國經(jīng)濟始終保持著高速發(fā)展態(tài)勢，能源消費總量不斷增加，供求矛盾日益突出。“十三五”時期是全面建設小康社會的關鍵時期，也是進一步推動能源革命和生態(tài)文明的加速時期，制定科學合理的能源發(fā)展戰(zhàn)略規(guī)劃對我國經(jīng)濟社會發(fā)展有著非常重要的指導意義，而能源消費總量預測則是能源發(fā)展戰(zhàn)略規(guī)劃的重要組成部分。根據(jù)“十三五”規(guī)劃，我國能源發(fā)展目標是到2020年能源消費總量控制在50億噸標準煤以內，能源自給率保持在80%以上，合理調整能源消費結構。因此，建立科學合理的能源消費預測模型，準確預測未來幾年我國能源消費總量，不但可以為我國制定能源發(fā)展戰(zhàn)略規(guī)劃提供理論依據(jù)，更對保持我國經(jīng)濟持續(xù)平穩(wěn)健康發(fā)展有著重要的現(xiàn)實意義。

目前，國內外學者關于能源消費預測提出了很多模型，最常見的主要有以下幾種：彈性系數(shù)法、投入產(chǎn)出法、線性回歸模型、ARIMA模型以及灰色GM(1,1)模型。其中，灰色GM(1,1)模型可以利用較少的已知信息模擬包含不確定性信息的灰色系統(tǒng)，預測精度較高，深受國內外學者歡迎。但是，傳統(tǒng)GM(1,1)模型也存在一些不足，在一定程度上限制了灰色預測理論的適用范圍。本文在傳統(tǒng)GM(1,1)模型的基礎上，建立若干等維新信息GM(1,1)模型，并借助等維新信息GM(1,1)模型構建基于灰色關聯(lián)度的組合模型，對我國能源消費總量進行預測分析，以求在一定程度上提高預測精度，改善灰色預測模型的適用性。

1 基于灰色關聯(lián)度的組合預測模型

1.1 傳統(tǒng)GM(1,1)模型

灰色GM(1,1)模型可以利用較少的已知信息模擬包含不確定性信息的灰色系統(tǒng)，通過對原始數(shù)據(jù)進行1-AGO生成一次累加序列，建立累加序列的灰色微分方程，根據(jù)灰色微分方程的解進行累減逆運算，即可得到灰色GM(1,1)模型的解。傳統(tǒng)灰色GM(1,1)模型的基本原理如下：

1.2 等維新信息灰色GM(1,1)模型

對于一個隨時間變化的灰色系統(tǒng)而言，隨著時間的變化，灰色系統(tǒng)將會不斷受到擾動因素的影響，灰色GM(1,1)模型模擬值的偏差也會越來越大。而在日常生活中，我們又需要進行中長期預測，為了提高灰色GM(1,1)模型的精度，可以利用較少的已知數(shù)據(jù)建立GM(1,1)模型預測未來一個數(shù)據(jù)，然后將該預測數(shù)據(jù)添加到已知數(shù)據(jù)序列中，同時刪除一個最老的數(shù)據(jù)，這樣便保持了新數(shù)據(jù)序列與原數(shù)據(jù)序列等維度，在此基礎上建立的模型成為等維新信息灰色GM(1,1)模型。等維新信息灰色GM(1,1)模型的基本原理如下：

以此類推，就得到了n-m個等維新信息灰色GM(1,1)模型，為建立灰色組合預測模型打下基礎。

1.3 灰色組合預測模型

一般情況下，取ρ=0.5，那么X1和X2的灰色關聯(lián)度為：

對于隨時間變化的灰色系統(tǒng)，可以建立若干不同的灰色GM(1,1)模型，通過將這些灰色預測模型按照一定的權重進行組合，就能在一定條件下有效提高模型的預測精度，降低模型預測誤差。

首先，將等維新信息GM(1,1)模型預測值與實際值進行對比分析，計算兩者的灰色關聯(lián)度ri，并進行無量綱化處理：

ξi=1-

然后，計算灰色組合預測模型的權重系數(shù)

wi∶wi=

1.4 基于灰色組合模型的能源消費預測

本文基于灰色關聯(lián)度組合模型，研究我國能源消費水平預測問題，為了考察灰色組合模型的預測精度，選取2006—2015年我國能源消費數(shù)據(jù)，分別建立傳統(tǒng)GM(1,1)模型和灰色組合模型，對2006—2015年我國能源消費水平進行擬合，并比較分析兩個模型的平均相對誤差。

灰色組合模型的基本思路是：建立若干不同的灰色GM(1,1)模型，通過將這些灰色預測模型按照一定的權重進行組合，從而達到提高預測精度的目的。本文以等維新信息灰色GM(1,1)模型為基礎建立灰色組合模型。首先，建立等維新信息灰色GM(1,1)模型，不失一般性，這里取m=9，這樣可以利用原始數(shù)據(jù)序列中前9個原始數(shù)據(jù)和后9個原始數(shù)據(jù)建立GM(1,1)模型。然后，根據(jù)這兩組等維新信息灰色GM(1,1)建立灰色組合模型：

k=1,2,…,n

w1+w2=1w1+w2=1

利用matlab等數(shù)學工具求解以上灰色GM(1,1)模型，根據(jù)灰色關聯(lián)度可以計算出w1=0.380 2，w2=0.619 8。我國能源消費預測如表1所示。

表1 我國能源消費預測 萬噸標準煤

數(shù)據(jù)來源：2016年國家統(tǒng)計年鑒

通過表1可以看出：傳統(tǒng)灰色GM(1,1)模型和灰色組合模型的擬合平均相對誤差分別為1.82%和1.34%，除了2013年和2014年的預測相對誤差外，其余各年預測相對誤差均有所改善，有效提高了模型的預測精度。

因此，基于灰色關聯(lián)度的組合模型有效提高了灰色GM(1,1)的預測精度，擴大了灰色GM(1,1)模型適用范圍，科學合理，方便快捷，非常適用于我國能源消費預測。

2 結束語

根據(jù)“十三五”規(guī)劃，我國能源發(fā)展戰(zhàn)略目標是到2020年能源消費總量控制在50億噸標準煤以內，能源自給率保持在80%以上，合理調整能源消費結構。為了完成“十三五”規(guī)劃能源發(fā)展戰(zhàn)略目標，有必要準確預測未來幾年我國能源消費總量。本文建立基于灰色關聯(lián)度的組合模型，對2006—2015年我國能源消費總量進行預測，并與傳統(tǒng)灰色GM(1,1)模型進行對比。結果表明：傳統(tǒng)灰色GM(1,1)模型和灰色組合模型的擬合平均相對誤差分別為1.82%和1.34%，組合模型有效降低了平均相對誤差，提高了預測精度，擴大了灰色GM(1,1)模型適用范圍，非常適用于我國能源消費預測。

[1] 陳洪濤,周德群.基于GM(1,1)模型的中國能源消費預測研究[J].礦業(yè)研究與開發(fā),2007,27(3):77-79.

[2] 徐步然.灰色GM(1,1)模型在能源消費預測中的應用[J].重慶理工大學學報(自然科學),2014(9):130-133.

[3] 衛(wèi)太祥,馬光文.基于改進背景值構造方法的GM(1,1)能源消費預測模型[J].水電能源科學,2011(6):190-192.

[4] 姜洪殿,董康銀,孫仁金,等.中國新能源消費預測及對策研究[J].可再生能源,2016,34(8):1196-1202.

[5] 彭懷午,劉方銳,楊曉峰.基于組合預測方法的風電場短期風速預測[J].太陽能學報,2011,32(4):543-547.

[6] 王豐效,張凌霜.基于蟻群算法的灰色組合預測模型[J].數(shù)學的實踐與認識,2009,39(14):104-108.

[7] 曾波,劉思峰,方志耕,等.灰色組合預測模型及其應用[J].中國管理科學,2009,17(5):150-155.

[8] 王豐效.基于相對誤差極小化的灰色組合預測模型[J].湖南文理學院學報(自然科學版),2006,18(3):15-17.

[9] 王寧.灰色組合預測模型研究[D].南京：南京航空航天大學,2009.

[10]肖潔,羅軍剛,解建倉,等.變權組合預測模型在洪水預報中的應用[J].西北農(nóng)林科技大學學報(自然科學版),2013,41(2):215-221.

[11]劉中俠,蔣詩泉.基于灰色GM(1,1)和BP神經(jīng)網(wǎng)絡組合預測模型及應用[J].銅陵學院學報,2016,15(3):102-104.

(責任編輯 何杰玲)

Research on Energy Consumption Prediction Based on Grey Combination Model

GUO Jing-ying

(School of Management and Economics, Tianjin University, Tianjin 300072, China)

In order to accurately predict total energy consumption in next few years, the grey combination model based on grey relational analysis is established. Compared with traditional GM (1, 1) model, it shows that the combination model can effectively reduce the average relative error and improve the forecasting accuracy, and is very suitable for energy consumption prediction.

grey relational analysis；combination model；energy consumption；prediction

2017-02-25

國家自然科學基金資助項目(71202085)

郭婧英(1987—)，女，浙江東陽人，碩士研究生，主要從事灰色理論、組合模型方面研究，E-mail: 1473146147@qq.com。

郭婧英.基于灰色關聯(lián)度組合模型的能源消費預測研究[J].重慶理工大學學報(自然科學)，2017(6):95-98.

format：GUO Jing-ying.Research on Energy Consumption Prediction Based on Grey Combination Model[J].Journal of Chongqing University of Technology(Natural Science)，2017(6):95-98.

10.3969/j.issn.1674-8425(z).2017.06.014

O212

A

1674-8425(2017)06-0095-04