基于神經網絡模型對美國四個州能源發展的研究

董文兵

摘 要：本文選取1960-2009年美國加利福尼亞州、亞利桑那州、新墨西哥州、得克薩斯州等四個州的能源生產和消費的數據，構建神經網絡模型對其進行分析，從而概括出四個州的能源演化狀況。

關鍵詞：神經網絡模型；美國；能源

問題的分析

問題要求我們建立模型來描述1960～2009年加利福尼亞州、亞利桑那州、新墨西哥州、得克薩斯州的能源概況的演化過程，并對結果進行分析解釋，以解決四個州的再生能源的使用問題。同時，運用地理、氣候、人口以及工業方面的差異來解釋四個州能源概況的不同原因。

針對這一問題，我們先收集了四個州的地形、氣候、工業產值、各州GDP以及人口數量等數據，建立灰色關聯模型來觀察各變量與各州能源使用情況的相關度，并選擇出關聯度較高的變量。

在變量選擇后，建立RBF神經網絡模型來擬合能源概況變化的原理，不斷對模型進行訓練，建立最符合各州情況的演化模型。最終將以圖形呈現出能源概況的演化過程。

模型的準備

在對四個州的地理、氣候、工業、人口、GDP這五個指標進行分析時，發現地理與氣候常年保持不變，而工業、人口、GDP會隨著時間的推移而改變。

根據經驗以及對文獻的查閱，我們不難發現地理與氣候會在長年累月的發展中對該地區的工業、人口、GDP產生影響，所以當我們證實工業、人口、GDP對能源演化會產生影響時，可以同時證明地理與氣候也會對能源演化產生間接影響。另外，氣溫的高低、降雨量的多少、地理特征的不同，也會對能源演化產生直接影響，由于各方面原因，我們只對此作理論上的解釋。

數據預處理

我們在美國聯邦統計局、美國能源信息署、美國National Climatic Data Center等機構收集了四個州的地理、氣候、工業、人口以及GDP在1960年到2009年的相關數據。由于樣本數據時間跨度過大，數據處理過程中存在著統計口徑不一、數據缺失等不同問題，為了使得數據更能反映實際情況，對缺失的數據值進行彌補，使得前后數據能夠更好地銜接，減少人為的失誤，有利于提高后續模型的精確度。

能源演化與工業、人口、GDP的關聯分析

灰色關聯分析模型

模型原理：灰色關聯度分析法是灰色系統理論中一種定量描述因素間發展態勢的相似或相異程度的量化比較方法。它的基本思想是根據序列曲線幾何形狀的相似程度來判斷其聯系是否緊密。一般地，曲線越接近，相應序列之間的關聯度就越大，反之就越小。

模型的建立

分別選取各州的工業產值、GDP以及人口數量作為參考數列，能源概況作為比較數列，其中參考數列記為，比較數列為。

由于在參數數列中變量的量綱不同，為消除量綱對分析結果的影響，需要進行無量綱化處理。

常用的有標準化、初始化、極差法和最大值化等，在此也選用極差法進行處理，如下：

模型的求解

根據上述公式，計算得出各能源指標與GDP、人口、工業之間的關聯系數如表1。

從表1中可以看出，所有的關聯系數均大于0.7，因此各能源指標與人口、工業、GDP之間的關聯性很高。其中可再生能源與GDP關聯性最高，為0.8273，可以推測出可再生能源與GDP之間有較高關聯度。從表格中還可以看出，可再生能源指標與工業、GDP之間均存在比較高的相關性，相比之下，天然氣能源消費、煤炭消費量指標與GDP、人口、工業相關性較弱。

能源演化過程模擬

RBF神經網絡

模型原理：模糊神經網絡模型一般具有三層BP網絡，第一層為輸入層，第二層為隱含層，第三層為輸出層，每層BP網絡由神經元組成，各層神經元之間又由權值相互連接。在模糊神經網絡模型中各神經元之間實現了信息互補，互相支持，各神經元獨立地從連接其輸入端的其他神經元中得到輸入的數據，并進行計算輸出，再將輸出傳遞給上一層神經元作為它們的輸入或者作為整個模型的輸出。這樣就保證了其輸出結果不會因為輸入數據具有一定程度的噪聲污染而受到嚴重影響。

分別對樣本的輸入、輸出數據進行規格化處理，有

其中：為規格化前的變量；和分別為的最大值和最小值；為規格化后的變量。

問題的求解

分別將各州1960-2009年的人口數量、GDP以及工業產值作為輸入層， 將煤炭消耗量、天然氣消耗量、石油消耗量以及可再生能源消耗量作為輸出層。在對RBF隱藏層神經元個數的確定中，我們發現神經元個數設定為4個時正確率最高，為88.90%。由于能源消耗與人口數量、經濟和工業具有較高的關聯度，所以根據人口、經濟、工業三個指標不同值的變化，RBF可以給出較合理的預測值，模擬出完整的演化路徑。據此，我們分別對不同年份下四個州的四個能源概況指標進行模擬演化，然后對不同州的能源概況進行異同分析。

在進行異同分析之前，我們將各州的人口、經濟、工業的數據的范圍列出，分別進行比較。

由表中數據可以發現，與新墨西哥州在三個數據中都與加州與得克薩斯州有非常大的差距，而亞利桑那州與新墨西哥州以及加州與得克薩斯州內部之間又有較大的相似性，這些數據將造成各州在能源消耗的差異性與相似性，下文將對此進行分析。

關于人口、經濟、工業的影響分析

（ 1 ）關于石化能源的異同分析

在煤炭消耗方面，加州的使用量高于德州的使用量，并且兩個圖形趨勢類似，并且其圖形的末端的顏色也不斷趨近，有較大的相似性。亞利桑那州的煤炭使用量高于新墨西哥，差異較大。同時，我們以兩個州都是逐漸提高的走勢，說明人口、經濟、工業對能源使用的影響非常大，經濟越發達，人口越多，工業越發展，能源的使用量越多。對比發現，加州與德州的能源使用量嚴重高于亞利桑那州與新墨西哥的使用量，這也進一步地驗證了人口、經濟、工業對能源使用的影響較大的結論。石油、天然氣與煤炭的性質類似，此處不再詳細描述。

（ 2 ）關于清潔能源的異同分析

加州的清潔能源使用量高于德州，亞利桑那州的清潔能源使用量高于新墨西哥。隨著人口、經濟、工業的發展，加州與亞利桑那州中關于清潔能源使用情況該表較小，德州與新墨西哥的能源使用呈現著逐漸遞增的狀態。雖然人口、經濟、工業能夠對清潔能源使用情況產生影響，但是影響可能并不大，并且每個地區都會有其自身的獨特性，地區的獨特性將對清潔能源的使用情況產生影響，下文將對各州的地區獨特性進行分析。

為了更好地解決各州的清潔能源的使用情況，根據數據分析，我們提議各州長能夠加強各州之間的合作，由于清潔能源開發較晚，技術尚未完善，且四州距離較近，附近能源也相似，各州之間建立密切的合作，有利于節約成本，提升清潔能源應用技術，更好地開發清潔能源。

關于地理以及氣候的影響分析

由于各地區的地理情況以及氣候狀態呈現相對穩定性，不會隨著其余外力因素產生較大的變動，而這些基本穩定的因素將會形成各州的地區獨特性，獨特性反映在各州的方方面面，經濟發展水平、居民生活習慣、能源的使用效率等等。由于地理與氣候的影響無法量化，且常年基本保持穩定，量化的意義不大，我們將從側面分析地理與氣候對能源使用情況的影響。

將固定的經濟、人口、工業數值代入各州的神經網絡模型，得到的各州能源使用情況的差異則是地理與氣候對能源使用情況的影響。

在經濟、人口、工業數值固定的情況下，各州的能源的消耗情況都大致相同，消耗情況為：

德州>加州>亞利桑那州>新墨西哥。

這說明地理與氣候造成的地區獨特性對各州的能源使用情況影響較大，且這種影響隨著時間的推移將逐漸加深。但在清潔能源使用方面，這種影響卻不大，這是因為清潔能源近幾年才開始發展，發展尚未完善，沒有受到一個地區的人文地理環境的長期影響，因此地理與氣候對它的影響并不大。

（作者單位：安徽財經大學經濟學院）

【參考文獻】

[1]金娜.美國提高能源效率的策略[J].節能，2012，31（05）.

[2]何淵.美國的區域法制協調——從州際協定到行政協議的制度變遷[J].環球法律評論，2009，31（06）.

[3]周篁.美國可再生能源發展和節能現狀[J].中外能源，2007（01）.