基于組合預測模型的煤炭消費預測分析

樊正中　鄒杰龍

摘要：能源消費與GDP關系密切。文章利用我國煤炭能源消費和GDP的歷史數據，采用線性回歸分析、灰色預測模型和神經網絡模型進行組合優化，建立了能源消費與GDP關系的組合預測模型。實證分析結果表明預測值和實際結果有很好的一致性，可以作為在給定GDP的前提下，預測能源消費量的有效工具。這對于我國能源行業的生產和政府對能源政策的制定，都有重要的現實和指導意義。

關鍵詞：組合預測模型；GDP；能源消費

中圖分類號：F426文獻標識碼：A文章編號：1009-2374（2012）24-0005-03

1概述

煤炭是我國的基礎能源，在國民經濟中占有重要的地位，在我國一次能源消費中的比重長期高達70%左右。長期以來，我國一直是世界第一大煤炭生產國和世界第二大電力生產國。在我國的經濟發展中，煤炭的地位舉足輕重。十二五規劃以來，我國國民經濟將會繼續快速發展，基礎設施建設步伐將會繼續加快。經濟發展對能源尤其是煤炭的生產與消費增長顯著，因此對能源消費和經濟增長之間關系的研究意義重大。

本文在對我國能源消費進行定性分析的基礎上，選用線性回歸分析、灰色預測模型和神經網絡模型三種預測模型，采用了離異系數法以對各項預測模型賦予權重，從而實現組合預測模型的構建，并對未來四年我國的能源需求進行預測，以便為我國的能源政策提供數據支持和政策依據。

2單項預測模型

2.1回歸分析預測模型

回歸分析預測技術是一種通過分析確定兩種或兩種以上變量間相互依賴的定量關系，并依據這種關系進行預測的方法，我國以煤炭為主要能源，因此煤炭消費量與GDP之間存在著密切的關系。本文選擇以煤炭消費量為被解釋變量Y，以GDP為解釋變量X，建立煤炭消費量的線性回歸模型。首先統計了我國近十年來的GDP和煤炭消費量數據，如表1、表2所示。通過作圖和直觀的分析顯示，隨著GDP的升高，煤炭消費量逐年升高，該趨勢比較明顯穩定。因此可以認為，煤炭消費量與GDP之間存在一定的線性關系。

采用最小二乘法對原煤消耗量與GDP的關系進行分析，令方程為：，根據最小二乘法的計算方法，代入數據解得=0.628，=8.282，即所得方程為Y=8.282+0.628x。

2.2模糊分析預測模型

我們考慮一類常用的線性Fuzzy預測模型。Y=A+BX，其中，A和B均是Fuzzy數。由原始數據組，根據專家經驗產生模糊數據組。給定擬合度標準h0，求解，確定A，B。做出預測與決策。Fuzzy預測模型，對給定置信水平α做決策判斷。即求解：，即，可得y（α）。

2.3神經系統分析預測模型

BP神經網絡是一個非線性動力學系統，BP算法的模型為前向多層網絡，采用三層BP神經網絡，設輸入層含有m個節點，輸出層有1個節點，隱含層的神經元個數為u。考慮到各個輸入量之間大小上的差異及變化速度上的差異，各分量不能通過初值化、均值化算子實現無量綱化。歸一化公式為：

k=1，2，3，4，5i=0，1，2，…，9

這種無量綱化方法既解決了量綱和數值差別所引起的問題，又不會改變各模型曲線的空間相對關系。在標準BP算法中步長一般取0～1中的一個定值，步長取值過大可加快學習速度，但有可能導致學習過程不收斂；若取值太小，則迭代次數明顯增加，導致學習速度十分緩慢。考慮到樣本個數對誤差的直接影響，采用A=E/LA/LC，其中LA、LC分別為輸出神經元個數和樣本個數，通過優化步長，使網絡取得較好效果。

2.4各模型的擬合結果與誤差

根據以上模型，結合表1、表2數據，求得各模型的擬合值與相對誤差，其數值如表3所示：

3組合預測模型

組合預測模型由Bates和Granger在20世紀60年代首次提出，因為其方法的科學合理性，該模型技術發展很快，組合預測模型的方法有很多優勢，如可以克服單一模型的局限性，減少偶然誤差對預測結果的影響，大幅度提高預測的準確性和合理性。

3.1模型的建立

假設對同一預測問題，用N種不同的預測模型分別進行預測，將這N個模型構成組合預測模型為：

式中，為t時刻組合預測模型的預測值；為t時刻第i種預測模型的預測值；ki為組合預測模型的第i個模型的權重，且。

3.2最優權重的計算方法

設被預測量為Y=（y1，y2，…，yp），其中yi（i=1，2，…，p）是Y的分解子項，如果有K個單一模型對Y進行預測，則組合預測即是將這K個模型的預測值fi（i=1，2，…，k）組合成一個對的新的預測結果，即：

其中：，且

求解上述問題得到的組合預測模型，降低了單項模型誤差較大點對組合預測模型的影響，穩定性較強。結合實際數據，可求得ω1=0.230，ω2=0.338，ω3=0.432，即組合預測模型課表

示為：

Y=0.230y1+0.338y2+0.432y3

根據得到的組合預測模型，按GDP年均增長8%計算，可預測未來四年我國的煤炭消費量如下表所示：

4結語

我國經濟持續快速發展，煤炭的消費量呈現逐年升高的態勢。未來煤炭消費量的準確預測，對于確保我國的能源安全有巨大的指導意義。本文運用組合預測模型，分析了GDP與能源消費量的關系，通過對GDP的估計，預測得到未來四年的煤炭消費量，該組合預測模型的預測平均相對誤差為0.380%，低于回歸分析預測模型的0.967%、模糊分析模型的0.754%、BP神經網絡模型的0.513%，由此可見該預測模型預測精度更高，對于我國未來的能源需求的預測也更為準確，具有更高的可

信度。

參考文獻

[1]華伯泉．經濟預測的統計方法[M]．北京：中國統計出版社，1988．

[2]畢義明，李景文，王蓮芬．模糊預測模型[J]．系統工程與電子技術，1992，（1）．

[3]陳明．神經網絡模型[M]．大連：大連理工大學出版社，1995．

[4]ANDERSN J A. An Introduction to Neural Networks[M].London:MIT Press，1995．

[5]鄧聚龍．灰色系統：社會·經濟[M]．北京：國防工業出版社，1985．

[6]任少飛，馮華．中國經濟增長與煤炭消費結構的關系[J]．財經科學，2006，12（225）：108-114．

[7]武普照，李廣泳．中國煤炭消費與經濟增長的關系研究

[J]．山東師范大學學報（自然科學版），2008，23（1）：140-142．

[8]蘇澤雄．中國能源需求建模與實證分析[D]．福州大學，2002．

[9]王立杰，孫繼湖．基于灰色系統理論的煤炭需求預測模型[J]．煤炭學報，2002，（6）：333-336．

[10]BATESJM，GRANGERCWJ.Combination offorecasts[J].Operations Research Quaterly，1969，20（4）：451-468.

作者簡介：樊正中（1988-），男，黑龍江佳木斯人，中國礦業大學（北京）管理學院2011級研究生，研究方向：企業管理。

（責任編輯：王書柏）