一種能源消費(fèi)結(jié)構(gòu)與碳排放預(yù)測的方法研究

摘" 要：以我國能源消費(fèi)結(jié)構(gòu)的歷史數(shù)據(jù)為對象，提出了一種應(yīng)用二階弱化算子的GM（1，1）模型和馬爾可夫鏈模型相結(jié)合的組合模型來對我國未來的能源消費(fèi)結(jié)構(gòu)與碳排放進(jìn)行預(yù)測的方法。文章通過對能源消費(fèi)結(jié)構(gòu)中各類能源歷史數(shù)據(jù)的分析和碳排放轉(zhuǎn)換，應(yīng)用二階弱化算子的GM（1，1）模型對能源消費(fèi)總量進(jìn)行預(yù)測，并在此基礎(chǔ)上，以2005年為基準(zhǔn)年，建立能源消費(fèi)結(jié)構(gòu)占比的馬爾可夫鏈轉(zhuǎn)移矩陣，實(shí)現(xiàn)對能源消費(fèi)結(jié)構(gòu)和碳排放進(jìn)行有效預(yù)測。實(shí)驗(yàn)結(jié)果表明，應(yīng)用灰色-馬爾可夫鏈組合模型不僅可有效預(yù)測我國制定的能源消費(fèi)結(jié)構(gòu)與碳排放的減排目標(biāo)的可行性，而且也可為保障國民經(jīng)濟(jì)的持續(xù)、穩(wěn)定和健康發(fā)展，以及調(diào)整新的能源結(jié)構(gòu)與制定相關(guān)政策等提供有益的預(yù)測手段。

關(guān)鍵詞：能源消費(fèi)結(jié)構(gòu);灰色GM（1，1）模型;馬爾可夫鏈;碳排放

中圖分類號(hào)：F206" " " " "文獻(xiàn)標(biāo)志碼：A" " " " "文章編號(hào)：2095-2945（2021）13-0001-07

Abstract： Taking the historical data of China's energy consumption structure as an object， a combination model combining a Grey Model（1，1）[GM（1，1）] of the second-order weakening operator and Markov chain model is proposed to analyze China's future energy consumption structure and predict carbon emissions. In this paper， through the analysis of various energy historical data in the energy consumption structure and the conversion of carbon emissions， the GM（1，1） of the second-order weakening operator is used to predict the total energy consumption， and then taking 2005 as the benchmark year， the Markov chain transfer matrix of the proportion of energy consumption structure is established to achieve effective prediction of energy consumption structure and carbon emissions. The experimental results show that the application of the Grey-Markov chain model can not only effectively predict the feasibility of China's energy consumption structure and carbon emission reduction， but also provide a useful prediction method for ensuring the sustainable， stable and healthy development of the national economy， as well as adjusting the new energy structure and formulating relevant policies.

Keywords： energy consumption structure; Grey Model（1，1）[GM（1，1）]; Markov chain; carbon emission

自我國實(shí)行改革開放以來，經(jīng)濟(jì)發(fā)展不斷取得較快增長。目前，中國的GDP已從1978年改革初的約為0.1495萬億美元增長到2019年約14.4萬億美元。但在提高廣大居民生活水平和提升我國的綜合國力及國際影響力的同時(shí)，也帶來了一系列問題。比如能源短缺、環(huán)境污染、土地資源破壞、CO2排放量大幅增加和氣候變暖等，已成為中國經(jīng)濟(jì)是否可持續(xù)、穩(wěn)定發(fā)展的瓶頸之一。其中，較為突出的問題是中國每年的CO2排放量大幅增加，這不僅會(huì)引起自然事件災(zāi)害的頻繁發(fā)生，而且其產(chǎn)生的碳排放量也日益成為國際社會(huì)共同關(guān)注的焦點(diǎn)問題之一。為此，較好地預(yù)測CO2排放量，對于輔助國家制定碳排放立法、優(yōu)化調(diào)整產(chǎn)業(yè)和能源結(jié)構(gòu)、掌握碳排放量增長趨勢、提高技術(shù)創(chuàng)新等，都將具有重要的現(xiàn)實(shí)與實(shí)踐意義。

在碳排放預(yù)測方面，國內(nèi)外學(xué)者已開展了許多研究，并取得了一些豐碩的研究成果。如：碳排放測算已有的經(jīng)典模型有LMDI[1]分解法、Kaya模型[2]、CGE模型[3]、生產(chǎn)函數(shù)理論[4]，以及協(xié)整檢驗(yàn)與馬爾科夫鏈結(jié)合[5]等。這些模型或方法均可為未來碳排放量的測算與預(yù)測提供有效的理論分析與可行驗(yàn)證。但它們?nèi)源嬖诓粔蛲晟啤㈩A(yù)測精度不高等[4]問題。為此，以國家統(tǒng)計(jì)局統(tǒng)計(jì)年鑒公布的歷史數(shù)據(jù)為基礎(chǔ)，通過對其石化能源消費(fèi)量轉(zhuǎn)換的CO2排放量數(shù)據(jù)的分析，應(yīng)用二階弱化算子的GM（1，1）模型來預(yù)測能源消費(fèi)總量，用馬爾可夫鏈對未來我國的能源消費(fèi)結(jié)構(gòu)進(jìn)行預(yù)測。

1 能源消費(fèi)結(jié)構(gòu)分析與碳排放計(jì)算

1.1 能源消費(fèi)結(jié)構(gòu)分析

我國的一次能源消費(fèi)結(jié)構(gòu)主要由煤炭、石油、天燃?xì)夂鸵淮坞娏捌渌òㄋ姟⒑穗姾惋L(fēng)電）等組成。根據(jù)國家統(tǒng)計(jì)局中國統(tǒng)計(jì)年鑒信息[6]顯示，2000-2018年的能源消費(fèi)結(jié)構(gòu)占比與能源消費(fèi)總量的變化情況，如圖1所示。

圖1中，條狀為能源消費(fèi)總量并包含各類能源消費(fèi)量的顯示，曲線為各類能源在消費(fèi)總量中的比重或占比顯示。從圖中可以看出，隨著我國經(jīng)濟(jì)的發(fā)展，對能源消費(fèi)的需求大幅增加。但我國的能源消費(fèi)結(jié)構(gòu)仍以煤炭為主，石油消費(fèi)占比基本穩(wěn)定，天然氣消費(fèi)占比在逐步緩慢增加，水電、核電、風(fēng)電等非化石能源消費(fèi)占比仍然較小。近年來，雖然煤炭消費(fèi)有所下降，但其消費(fèi)占比仍然維持在60%以上。如果按這種比重繼續(xù)發(fā)展，顯然很難實(shí)現(xiàn)我國的減排目標(biāo)。因此，我國目前推出和制定的清潔、集約和高效的能源消費(fèi)結(jié)構(gòu)與低碳排放策略，不僅有利于保持我國國民經(jīng)濟(jì)的穩(wěn)定增長，而且對于解決目前的能源短缺、環(huán)境污染和氣候變暖等問題也將起著重要的作用。

1.2 碳排放計(jì)算

化石燃料的燃燒是溫室氣體排放的主要原因。目前，大多文獻(xiàn)[7-10]是通過碳排放系數(shù)來測算CO2排放量的。這里也采用行業(yè)通用的計(jì)算方法，以目前被廣泛使用的能源：煤炭、石油、天然氣和非石化（一次電力和其他）能源的一次能源來估算能源的碳排放量。計(jì)算公式[7]為：

式中，C為碳排放量;E為能源消費(fèi)總量;Si為第i種能源消費(fèi)在能源消費(fèi)總量的比重或占比;44和12分別為CO2和碳的分子量;Ki為第i種能源的碳排放系數(shù)，其值可按國家發(fā)改委能源研究所推薦的碳排放系數(shù)，對煤炭、石油、天然氣、非石化能源的CO2排放系數(shù)分別取為：0.7476、0.5825、0.4435和0。

2 能源消費(fèi)總量的D2GM（1，1）預(yù)測模型

GM（1，1）模型是灰色系統(tǒng)理論中常用的一種灰色預(yù)測模型，可用于單個(gè)時(shí)間序列的動(dòng)態(tài)預(yù)測。它具有弱化數(shù)據(jù)序列隨機(jī)性、發(fā)掘系統(tǒng)演化規(guī)律的獨(dú)特功效，并對一般模型具有很強(qiáng)的融合力和滲透力。但由于傳統(tǒng)的GM（1，1）模型具有較強(qiáng)的指數(shù)規(guī)律，一般在非單調(diào)擺動(dòng)發(fā)展序列中存在預(yù)測誤差大的問題。所以，為了提高預(yù)測精度的準(zhǔn)確性，采用二階弱化算子D 2的GM（1，1）預(yù)測模型[11]，來對隨機(jī)波動(dòng)的能源消費(fèi)總量序列進(jìn)行預(yù)測。

假設(shè)能源消費(fèi)總量已建立了n年的歷史檔案，其實(shí)際值序列為：

，（2）

令 ，

，

其中

這里，k=1，2，...，n。則按GM（1，1）模型對X（0）D 2累加生成1-AGD序列：

，" " "（5）

其中

作X （1）的緊鄰均值生成序列Z （1）：

， （6）

這里 。

由此建立如下的白化微分方程：

按最小二乘法可得參數(shù)" " " " "的估計(jì)

可得（7）式微分方程的解

和一步預(yù)測公式

或

上述公式稱為二階弱化算子D 2的GM（1，1）預(yù)測模型的基本公式，記為D2GM（1，1）。

3 能源消費(fèi)結(jié)構(gòu)的馬爾科夫鏈預(yù)測模型

3.1 馬爾科夫鏈

馬爾可夫鏈?zhǔn)侵冈谑录l(fā)生過程中，任意狀態(tài)的轉(zhuǎn)移僅與前一時(shí)刻的狀態(tài)有關(guān)，與歷史的狀態(tài)無關(guān)，未來的狀態(tài)也只與當(dāng)前狀態(tài)有關(guān)的隨機(jī)過程，其無后效性的特點(diǎn)使得在分析過去與未來關(guān)聯(lián)性不強(qiáng)的事件中變得簡單，易于理解。顯然，能源消費(fèi)結(jié)構(gòu)的狀態(tài)轉(zhuǎn)移也具有馬爾可夫鏈的無后效性特點(diǎn)。

設(shè)隨機(jī)變量序列{Xt，t∈T}，滿足對于任意的xt∈S，t∈T={0，1，2，…}，其中，S為狀態(tài)空間，隨機(jī)變量可以是離散的，也可以是連續(xù)的，有

則稱{Xt，t∈T }為馬爾科夫鏈或馬爾可夫過程[12]。記pij=（Xt=i|Xt-1=j）為具有n個(gè)狀態(tài)的馬爾可夫鏈在時(shí)刻（t-1）處于狀態(tài)j轉(zhuǎn)移到時(shí)刻t狀態(tài)i的轉(zhuǎn)移概率，且滿足pij？叟0， pij=1，則稱矩陣為馬爾可夫鏈的一次轉(zhuǎn)移概率矩陣。

3.2 馬爾可夫鏈預(yù)測模型

設(shè)馬爾可夫鏈系統(tǒng)初始狀態(tài)的概率向量為S（0）=（p1（0），p2（0），…，pn（0）），則當(dāng)轉(zhuǎn)移概率矩陣P不變時(shí)，由Chapman-Kolmogorov方程可得系統(tǒng)經(jīng)過k步狀態(tài)轉(zhuǎn)移后的狀態(tài)[13]為：

。（13）

通常，上式中的P用k步狀態(tài)轉(zhuǎn)移后的平均轉(zhuǎn)移矩陣代替，即：

當(dāng)轉(zhuǎn)移概率矩陣P變化時(shí)，則系統(tǒng)從初始狀態(tài)S （0）經(jīng)過k步狀態(tài)轉(zhuǎn)移后的狀態(tài)為：

顯然，馬爾可夫預(yù)測作為一種預(yù)測隨機(jī)過程的變化規(guī)律的技術(shù)，用其方法對能源消費(fèi)結(jié)構(gòu)狀態(tài)的現(xiàn)狀和未來變化趨勢進(jìn)行預(yù)測，具有可行性。

4 轉(zhuǎn)移概率及轉(zhuǎn)移矩陣的計(jì)算

假設(shè){Xt，t∈T}為有n個(gè)狀態(tài)的隨機(jī)過程，則馬爾可夫預(yù)測系統(tǒng)的狀態(tài)轉(zhuǎn)移概率，可按如下規(guī)則[14-15]確定：

（1）當(dāng)系統(tǒng)從t時(shí)刻轉(zhuǎn)移到t+1時(shí)刻時(shí)，對能源消費(fèi)結(jié)構(gòu)而言，如果某種能源消費(fèi)的占比份額不變或增加，則表明該能源消費(fèi)的占比在狀態(tài)轉(zhuǎn)移過程中不會(huì)向其他能源占比轉(zhuǎn)移，或者說其他能源占比也不能從該能源消費(fèi)轉(zhuǎn)移中吸收到額外的占比，故設(shè)定該能源消費(fèi)占比的轉(zhuǎn)移概率為1，其他能源消費(fèi)的轉(zhuǎn)移概率為0;

（2）當(dāng)某能源消費(fèi)結(jié)構(gòu)的占比從t時(shí)刻轉(zhuǎn)移到t+1時(shí)刻減小時(shí)，表明該能源消費(fèi)的占比在狀態(tài)轉(zhuǎn)移過程中將向其他能源消費(fèi)占比轉(zhuǎn)移，則該能源消費(fèi)的占比保留概率的計(jì)算可按該能源t+1時(shí)刻的占比/t時(shí)刻的占比。

于是，對于具有n個(gè)狀態(tài)的隨機(jī)過程{Xt，t∈T}，可得系統(tǒng)能源結(jié)構(gòu)從t時(shí)刻到t+1時(shí)刻的一步轉(zhuǎn)移概率矩陣為：

其中，pi→j（t）表示能源i從t時(shí)刻到t+1時(shí)刻轉(zhuǎn)到能源j的狀態(tài)轉(zhuǎn)移概率，i，j=1，2，...，n。

若設(shè)能源i在t時(shí)刻的消費(fèi)占比值為Ai（t），在t+1時(shí)刻的消費(fèi)占比值為Ai（t+1），則：

當(dāng)Ai（t）？燮Ai（t+1）時(shí)，表明該i能源的消費(fèi)份額不變或增加，則其保留概率為1，其他能源吸收的轉(zhuǎn)移概率為0，即：pi→i（t）=1，pi→j（t）=0，j=1，2，…i-1，i+1，…，n。

當(dāng)Ai（t）gt;Ai（t+1）時(shí)，表明該i能源的消費(fèi)份額減少，其減少的份額將會(huì)轉(zhuǎn)移給其他能源;或者說i能源概率將減小，減小的概率將會(huì)被其他能源轉(zhuǎn)移概率吸收。即：

若？駐Aj（t）？燮0，則pi→j（t）=0;若？駐Aj（t）gt;0，則：

其中，？駐Aj（t）=Aj（t+1）-Aj（t），j=1，2，…，i-1，i+1，…，n。

5 能源結(jié)構(gòu)和碳排放預(yù)測

5.1 數(shù)據(jù)來源

以《中國統(tǒng)計(jì)年鑒》發(fā)布的數(shù)據(jù)為對象，選取2005-2018年全國一次能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)中的各類能源（煤炭、石油、天然氣、一次電力及其他能源）占能源消費(fèi)總量的比重?cái)?shù)據(jù)，如表1所示。

表1中，碳排放量項(xiàng)中的數(shù)據(jù)是根據(jù)能源消費(fèi)總量、各類能源消費(fèi)占比，由公式（1）計(jì)算得出。

5.2 預(yù)測結(jié)果分析及建議

5.2.1 D2GM（1，1）模型的能源消費(fèi)總量預(yù)測

以2005-2015年能源消費(fèi)總量的歷史數(shù)據(jù)為對象，分別用傳統(tǒng)的GM（1，1）模型和D2GM（1，1）模型對2016-2018年的能源消費(fèi)總量進(jìn)行預(yù)測，其結(jié)果為：

由表2可知，D2GM（1，1）模型比傳統(tǒng)的GM（1，1）模型的預(yù)測精度高，說明應(yīng)用D2GM（1，1）模型預(yù)測的效果是有效、可行的。同時(shí)，從表2中也可看出，預(yù)測步數(shù)越多，產(chǎn)生的誤差也越來越大。所以，為了提高預(yù)測精度，這里我們選用D2GM（1，1）模型并采用逐步迭代的方式來對2020年和2030年的能源消費(fèi)總量進(jìn)行預(yù)測，其結(jié)果分別為：47.13和50.8億噸標(biāo)準(zhǔn)煤。

顯然，預(yù)測的2020年能源消費(fèi)總量47.13億噸標(biāo)準(zhǔn)煤的結(jié)果，與2014年11月國務(wù)院發(fā)布的《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014-2020）》中確定的能源消費(fèi)總量控制在48億噸標(biāo)準(zhǔn)煤以內(nèi)的目標(biāo)基本相符;預(yù)測的2030年能源消費(fèi)總量50.8億噸標(biāo)準(zhǔn)煤的結(jié)果，也與國家發(fā)展改革委、國家能源局聯(lián)合印發(fā)的《能源生產(chǎn)和消費(fèi)革命戰(zhàn)略（2016-2030）》中明確的，到2030年能源消費(fèi)總量控制在60億噸標(biāo)準(zhǔn)煤以內(nèi)的目標(biāo)基本一致。說明應(yīng)用D2GM（1，1）模型對我國未來能源消費(fèi)總量進(jìn)行預(yù)測是有效、可行的。

5.2.2 馬爾可夫鏈模型的能源消費(fèi)結(jié)構(gòu)預(yù)測

根據(jù)表1，可由式（16）、（17）得到2005-2018年能源消費(fèi)結(jié)構(gòu)中的各類能源：煤炭（x1）、石油（x2）、天然氣（x3）、一次電力及其他能源（x4）的狀態(tài)轉(zhuǎn)移概率矩陣，如表3所示。

由此可得，2005-2018年的平均移動(dòng)概率矩陣為：

若以2005年的碳排放量62.7億噸標(biāo)準(zhǔn)煤為基準(zhǔn)，則根據(jù)馬爾可夫鏈預(yù)測模型的無后效性特點(diǎn)，選取2018年的能源消費(fèi)結(jié)構(gòu)占比S（0）=（0.59，0.189，0.078，0.143）為初始狀態(tài)，應(yīng)用馬爾可夫鏈模型預(yù)測2019-2030年各能源消費(fèi)占比的結(jié)果，如表4所示。

從表4中可以看到，如果按此表中的能源消費(fèi)結(jié)構(gòu)規(guī)劃，則CO2排放的峰值在2026年就已達(dá)到。這不僅預(yù)測驗(yàn)證了《能源戰(zhàn)略》中確定的到2030年左右CO2排放爭取盡早達(dá)峰的目標(biāo)是可實(shí)現(xiàn)的，同時(shí)也預(yù)測驗(yàn)證了2009年我國政府在哥本哈根氣候大會(huì)上提出的，到2020年非化石能源占一次能源比重提高到15%的目標(biāo)的可實(shí)現(xiàn)性。但對于《能源戰(zhàn)略》中制定的到2030年非化石能源占能源消費(fèi)總量比重達(dá)到20%左右，天然氣占比達(dá)到15%左右的目標(biāo)，還存在一定的滯后。說明該《能源戰(zhàn)略》中對于能源結(jié)構(gòu)的制定和規(guī)劃還存在一定的不合理問題，須在今后的能源發(fā)展與規(guī)劃中，適當(dāng)?shù)丶右越Y(jié)構(gòu)調(diào)整。

5.2.3 結(jié)構(gòu)調(diào)整建議

在能源消費(fèi)結(jié)構(gòu)調(diào)整中，可根據(jù)碳排放目標(biāo)，建議制定如下的調(diào)整策略：

（1）由表4可得，預(yù)測的2019-2030年煤炭、石油、天然氣和其他各能源的平均占比分別為：51.9，19.1，11.3，

17.7，而標(biāo)準(zhǔn)差分別為：3.63，0.08，1.88，1.68。說明煤炭的占比仍然偏高，調(diào)整幅度不大。石油占比相對平穩(wěn)。天然氣和其他能源的占比較小，且調(diào)整幅度太小。所以，在穩(wěn)定石油占比的情況下，應(yīng)不斷調(diào)低煤炭占比，并將調(diào)出的占比部分轉(zhuǎn)移到天然氣和其他清潔能源，以使未來的能源結(jié)構(gòu)逐步向天然氣和其他清潔能源為主力的方向轉(zhuǎn)變。

（2）針對非石化能源和新型能源目前主要面臨的技術(shù)難度和開采成本問題，應(yīng)加大資金和科技投入的力度，并緊跟國際能源開發(fā)的新技術(shù)，大力發(fā)展高新技術(shù)產(chǎn)業(yè)、高端制造業(yè)、IT服務(wù)業(yè)和金融服務(wù)業(yè)等具有高附加值的行業(yè)，推動(dòng)各類能源的技術(shù)創(chuàng)新、產(chǎn)業(yè)創(chuàng)新和商業(yè)模式創(chuàng)新等。

（3）針對影響能源消費(fèi)結(jié)構(gòu)的因素，可建立能源消費(fèi)結(jié)構(gòu)評估指標(biāo)體系，并應(yīng)用物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等技術(shù)，實(shí)現(xiàn)對能源價(jià)格機(jī)制、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、資源整合和高效利用等優(yōu)化目的。

6 結(jié)論

為了有效預(yù)測我國政府制定的到2020年和2030年的能源消費(fèi)結(jié)構(gòu)與碳排放的發(fā)展目標(biāo)實(shí)現(xiàn)的可行性，文中一方面，研究應(yīng)用D2GM（1，1）模型對能源消費(fèi)總量進(jìn)行預(yù)測的方法，驗(yàn)證了碳排放目標(biāo)制定的可實(shí)現(xiàn)性;另一方面，根據(jù)馬爾可夫鏈模型的無后效性特點(diǎn)，預(yù)測了能源消費(fèi)結(jié)構(gòu)占比的合理性和碳排放峰值的目標(biāo)可實(shí)現(xiàn)性，并對能源消費(fèi)結(jié)構(gòu)占比存在滯后性問題，提出了一些建設(shè)性的意見。這對于我國未來經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變、能源利用效率的提高、環(huán)境污染的降低等都具有一定參考價(jià)值。同時(shí)，也為我國未來能源結(jié)構(gòu)的調(diào)整與制定新的能源政策與決策等提供了一種有效的理論分析與預(yù)測手段和方法。

參考文獻(xiàn)：

[1]ANG B W. LMDI decomposition approach： A guide for implementation[J]. Energy Policy，2015（86）：233-238.

[2]LIMA F，NUNES M L，CUNHA J，et al. A cross-country assessment of energy-related CO2 emissions： An extended Kaya Index Decomposition Approach[J]. Energy，2016（115）：1361-1374.

[3]FREIRE-GONZ？魣LEZ J. Environmental taxation and the double dividend hypothesis in CGE modeling literature： A critical review[J]. Journal of Policy Modeling，2018，40（1）：194-223.

[4]吳劍，許嘉鈺.基于生產(chǎn)函數(shù)理論的碳排放量模型及應(yīng)用[J].江蘇大學(xué)學(xué)報(bào)，2019，40（3）：320-324.

[5]翁智雄，馬忠玉，葛察忠，等.不同經(jīng)濟(jì)發(fā)展路徑下的能源需求與碳排放預(yù)測——基于河北省的分析[J].中國環(huán)境科學(xué)，2019，39（8）：3508-3517.

[6]國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒2019[EB/OL].http：//www.stats.gov.cn/tjsj/ndsj/2019/indexch.htm.

[7]曾小利.我國能源消費(fèi)結(jié)構(gòu)調(diào)整及碳排放強(qiáng)度效應(yīng)[J].鄭州航空工業(yè)管理學(xué)院學(xué)報(bào)，2016，34（4）：38-43.

[8]舒娛琴.中國能源消費(fèi)碳排放的時(shí)空特征[J].生態(tài)學(xué)報(bào)，2012，32（16）：4950-4960.

[9]吳國華.化石能源消費(fèi)的二氧化碳排放量計(jì)算與分析——以濟(jì)南市為例[J].理論學(xué)刊，2012（3）：61-65.

[10]王勇，王穎.中國實(shí)現(xiàn)碳減排雙控目標(biāo)的可行性及最優(yōu)路徑——能源結(jié)構(gòu)優(yōu)化的視角[J].中國環(huán)境科學(xué)，2019，39（10）：4444-4455.

[11]劉思峰，黨耀國，方志耕.灰色系統(tǒng)理論及其應(yīng)用[M].北京：科學(xué)出版社，2004.

[12]李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].北京：清華大學(xué)出版社，2012.

[13]牛東曉，孫偉，趙磊.基于轉(zhuǎn)移矩陣識(shí)別的馬爾可夫能源結(jié)構(gòu)預(yù)測模型[J].華北電力大學(xué)學(xué)報(bào)，2004，31（3）：59-61.

[14]華林香，肖秀欽，錢慶榮，等.馬爾可夫模型在一次能源消費(fèi)預(yù)測中的應(yīng)用——以福建省為例[J].福建師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，29（5）：78-86.

[15]任繼勤，武佳華，夏景陽，等.黑龍江省一次能源消費(fèi)總量和消費(fèi)結(jié)構(gòu)預(yù)測研究[J].北京化工大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，45（2）：89-94.