GM（1，1）模型對(duì)我國(guó)能源消費(fèi)量的預(yù)測(cè)及分析

寇愛(ài)青 周偉 胡巧珍

[摘 要]能源問(wèn)題是我國(guó)長(zhǎng)久以來(lái)需要關(guān)注的主要問(wèn)題之一，對(duì)我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展有著重要的制約作用。由于該數(shù)據(jù)具有樣本少、信息不確定等特性，文章運(yùn)用GM（1，1）模型對(duì)其進(jìn)行預(yù)測(cè)。通過(guò)對(duì)數(shù)據(jù)進(jìn)行一次累加、生成緊鄰均值序列和構(gòu)建灰色白化方程等過(guò)程，選取近6年我國(guó)能源消費(fèi)量的數(shù)據(jù)為樣本，對(duì)能源消費(fèi)量進(jìn)行擬合與預(yù)測(cè)，以證實(shí)該項(xiàng)目的可行性與準(zhǔn)確性。

[關(guān)鍵詞]GM（1，1）模型；能源消費(fèi)量；預(yù)測(cè)

[DOI]10.13939/j.cnki.zgsc.2018.16.015

1 引 言

能源問(wèn)題是我國(guó)長(zhǎng)久以來(lái)關(guān)注的重要問(wèn)題之一，充足的能源保障能推動(dòng)中國(guó)的快速發(fā)展。在當(dāng)今世界經(jīng)濟(jì)全球化大背景下，了解能源消費(fèi)量的趨勢(shì)有重要意義。

在能源方面，許多學(xué)者進(jìn)行了具體的研討與探索：如通過(guò)能源投入產(chǎn)出表對(duì)外向型經(jīng)濟(jì)等進(jìn)行實(shí)證研究（徐盈之等，2010）；如運(yùn)用VEC模型分析了我國(guó)三個(gè)產(chǎn)業(yè)的能源利用與經(jīng)濟(jì)增長(zhǎng)的相關(guān)數(shù)據(jù)（邵慶龍，2017）以及采用LMDI分解與計(jì)量模型對(duì)我國(guó)能源強(qiáng)度變動(dòng)進(jìn)行實(shí)證研究（張瑞等，2018）。

由于我國(guó)的能源消費(fèi)情況在不同的時(shí)期的增長(zhǎng)情況有很大的差異性，體現(xiàn)為幾年會(huì)有一個(gè)新的趨勢(shì)，歷年的能源消費(fèi)數(shù)據(jù)屬于不確定性的小樣本數(shù)據(jù)，故可以利用GM（1，1）模型來(lái)做預(yù)測(cè)研究。

中國(guó)學(xué)者創(chuàng)建的灰色系統(tǒng)理論，是一種分析少數(shù)據(jù)、貧信息不確定性問(wèn)題的新方法（鄧聚龍，1986）。它的主要分析對(duì)象是“部分信息已知、部分信息未知”的“小樣本”“貧信息”不確定系統(tǒng)，通過(guò)對(duì)“部分”已知信息的生成、開(kāi)發(fā)等措施，提取有價(jià)值的信息，從而完成對(duì)系統(tǒng)運(yùn)轉(zhuǎn)行為、演變規(guī)律等的正確描繪和有效監(jiān)控，GM（1，1）模型是其基礎(chǔ)和核心。第一方面，一些學(xué)者通過(guò)灰色模型對(duì)生活中的活動(dòng)、趨勢(shì)等進(jìn)行研究。如通過(guò)灰色模型探索出一種新方法在無(wú)約束室外環(huán)境下增強(qiáng)HoG檢測(cè)行人（Cootes and Taylor，1994）以及用灰色建模對(duì)廢舊汽車(chē)回流進(jìn)行預(yù)測(cè)（Ene and ztürk，2017）。第二方面，一些學(xué)者將灰色模型應(yīng)用到運(yùn)輸預(yù)測(cè)中，如Bezuglov and Comert（2016）通過(guò)灰色模型對(duì)短期高速公路交通參數(shù)進(jìn)行預(yù)測(cè)。第三方面，一些學(xué)者將灰色模型系統(tǒng)與其他數(shù)學(xué)模型相結(jié)合，對(duì)灰色模型進(jìn)行改進(jìn)，從而提高其預(yù)測(cè)的準(zhǔn)確性：如Xu等（2011）結(jié)合最小二乘法改進(jìn)灰色模型并通過(guò)例子驗(yàn)證其可行性。

雖然很多人對(duì)我國(guó)的能源消費(fèi)情況做過(guò)一些研究，GM（1，1）模型也被廣泛地運(yùn)用在各個(gè)領(lǐng)域，但是幾乎沒(méi)有人將二者結(jié)合做過(guò)相應(yīng)的預(yù)測(cè)。由于優(yōu)化后的GM（1，1）模型和經(jīng)典的GM（1，1）模型預(yù)測(cè)最終結(jié)果相差不大，故文章主要采用經(jīng)典GM（1，1）模型對(duì)我國(guó)能源消費(fèi)狀況進(jìn)行研究。

2 研究方法

經(jīng)典的GM（1，1）預(yù)測(cè)模型適用于小樣本數(shù)據(jù)且具有計(jì)算簡(jiǎn)單等特點(diǎn)，本節(jié)將具體講述GM（1，1）預(yù)測(cè)模型及其詳細(xì)的運(yùn)算步驟。

2.1 GM（1，1）預(yù)測(cè)模型

傳統(tǒng)灰色預(yù)測(cè)模型是基于一定樣本進(jìn)行的一次性預(yù)測(cè)。其認(rèn)為，系統(tǒng)的行為現(xiàn)象雖然是朦朧的，數(shù)據(jù)是復(fù)雜的，但它畢竟是有序的，是有整體性能的。灰色模型有如下一些優(yōu)點(diǎn)：不需要大量的樣本；樣本不需要有規(guī)律性分布；計(jì)算工作量小；定量分析結(jié)果與定性分析結(jié)果不會(huì)不一致；可用于近期、短期和中長(zhǎng)期預(yù)測(cè)；灰色預(yù)測(cè)精準(zhǔn)度高等。

2.2 GM（1，1）模型運(yùn)算步驟

下面介紹鄧聚龍教授所提出的GM（1，1）模型的具體運(yùn)算步驟。

3 案例分析

將經(jīng)典的GM（1，1）預(yù)測(cè)模型運(yùn)用在我國(guó)能源消費(fèi)量的預(yù)測(cè)是非常合適的，下面將具體講述GM（1，1）模型在該項(xiàng)目的應(yīng)用。

3.1 數(shù)據(jù)獲取和模型計(jì)算

我國(guó)能源消費(fèi)總量及其詳細(xì)的消費(fèi)總量數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局（見(jiàn)表1）。選取2011—2015年我國(guó)能源消費(fèi)總量為建模數(shù)據(jù)，2011年為起始年，2016年數(shù)據(jù)為模型檢驗(yàn)數(shù)據(jù)，詳見(jiàn)下表。

文章基于GM（1，1）模型對(duì)我國(guó)能源消費(fèi)量進(jìn)行預(yù)測(cè)，通過(guò)該模型可以得到2016年我國(guó)能源消費(fèi)量預(yù)測(cè)值為442109.0萬(wàn)噸標(biāo)準(zhǔn)煤。由于2016年實(shí)際值為436000.0萬(wàn)噸標(biāo)準(zhǔn)煤，可以看出，該GM（1，1）模型對(duì)于我國(guó)能源消費(fèi)量的預(yù)測(cè)有一定的可行性，預(yù)測(cè)結(jié)果較為準(zhǔn)確。

4 結(jié) 論

文章通過(guò)GM（1，1）模型對(duì)我國(guó)能源消費(fèi)總量進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果有一定的可行性與準(zhǔn)確性。我國(guó)能源消費(fèi)總量情況長(zhǎng)久以來(lái)也有很大的變化，所以對(duì)于我國(guó)能源消費(fèi)總量若選取太長(zhǎng)的歷史階段反而預(yù)測(cè)效果不好。因此，文章選取近幾年的數(shù)據(jù)做預(yù)測(cè)。

從預(yù)測(cè)結(jié)果來(lái)看，我國(guó)對(duì)于2016年的能源消費(fèi)總量會(huì)稍有上升，和實(shí)際值相差不多，故此模型對(duì)該項(xiàng)目的研究具有重要的理論意義和實(shí)踐意義。同時(shí)需要指出的是，該模型只適用于短期或中長(zhǎng)期的預(yù)測(cè)，想要對(duì)一些長(zhǎng)期的問(wèn)題做預(yù)測(cè)還有一定的限制。

參考文獻(xiàn)：

[1]徐盈之，彭歡歡.外向型經(jīng)濟(jì)與節(jié)能減排——基于能源投入產(chǎn)出表的實(shí)證研究[J].軟科學(xué)，2010，24（4）：34-38.

[2]邵慶龍.中國(guó)經(jīng)濟(jì)增長(zhǎng)與三個(gè)產(chǎn)業(yè)能源消耗的結(jié)構(gòu)調(diào)整[J].科研管理，2017，38（1）：127-136.

[3]張瑞，丁日佳.能源價(jià)格、經(jīng)濟(jì)增長(zhǎng)與我國(guó)能源強(qiáng)度的變動(dòng)——基于LMDI分解與計(jì)量模型的實(shí)證研究[J].軟科學(xué)，2018，32（3）：72-76.

[4]鄧聚龍.灰色系統(tǒng)預(yù)測(cè)與決策[M].武漢：武漢華中理工大學(xué)出版社，1986.

[5]COOTES T F ，& TAYLOR C J. Using grey-level models to improve active shape model search[J].Iapr International Conference on Pattern Recognition，Conference A：Computer Vision & Image Processing，1994（1）：63-67.

[6]ENE S ，& ZTURK N. Grey modelling based forecasting system for return flow of end-of-life vehicles[J].Technological Forecasting & Social Change，2016：115.

[7]BEZUGLOV A ， & COMERT G. Short-term freeway traffic parameter prediction： application of grey system theory models[J].Expert Systems with Applications，2016（62）：284-292.

[8]XU J， TAN T， TU M， & Qi L. Improvement of grey models by least squares[J].Expert Systems with Applications，2011，38（11）：13961-13966.