城市天然氣需求預測模式分析

王艷

摘 ?要：預測學科是依托歷史經驗，經嚴密邏輯推論，對未來情況的估計，可以為指導計劃制定提高依據。文章借助現代預測科學發展契機，利用粒子群-最小二乘支持向量機模型，對某地城市天然氣需求進行了預測分析，希望為城市與天然氣相關的決策提供參考。

關鍵詞：城市;天然氣;需求預測模式

前言：

天然氣是關系國家安全的特殊商品，帶有社會公用性質，對城市經濟社會的發展具有至關重要的作用。而城市天然氣需求預測科學性則直接影響了天然氣管路、加氣站建設規劃以及增容決策。因此，分析城市天然氣需求預測模式就具有非常重要的意義。

一、基于城市天然氣需求預測的粒子群-最小二乘支持向量機模型構建

1、建模

粒子群算法主要是將每一個優化目標的潛在求導結果看做例子，以跟蹤搜索例子本身所尋找的最優解、整個種群尋找的最優解的形式，隨機更新[1]。具體表示為： ? ? -1

最小二乘支持向量機從本質上而言是將參數搜索空間由三維降低至二維，將實際問題調整為進行一組線性方程組問題的求導解決。即在設定天然氣需求量預測值為yt時，給定的訓練數據集 ，xt為n維城市天然氣需求量影響因子。由此可以構建線性回歸函數：f（x）= ?-2

-2中 、 ?、分別為權值矢量、從輸入空間向高緯度空間發展的非線性映射、閾值。

綜合-1、-2，可以提取天然氣需求影響指標作為最小二乘支持向量機輸入，以天然氣消費量作為輸出，以粒子群算法作為尋優方法，最終得出集中在[0，1]區間的初始樣本數據。

2、訓練

在模型訓練過程中，利用MATLAB程序，進行粒子群算法編寫，確定參數初始值后，將參數初始值與處理后需求參數代入最小二乘支持向量機中進行訓練，最終確定在模型精度達到最高時，迭代誤差結果為2.8965，遠低于BP神經網絡模型的誤差值（6.2301）.

二、基于城市天然氣需求預測的粒子群-最小二乘支持向量機模型應用實踐

1、指標體系構建

從外部環境視角進行分析，可以將天然氣能源看做與其他子系統相互關聯構成社會體系的一個重要部分。即假定政策環境一定，能源需求與整個區域經濟水平以及能耗結構存在因果聯系，將天然氣用氣人口總數（萬人）X11、天然氣占能源消費比重（%）X12均納入天然氣需求預測指標體系。

從內部天然氣產業鏈結構來看，上游供給、中游管理線建設、下游工業發展對天然氣需求具有直接影響。因此，可以將供氣量（億方）X21、工業總產值（億元）X22、輸氣管道長度（千米）X23等納入城市天然氣需求預測指標體系。

從用戶消費視角進行分析，天然氣自身價格、消費者對商品價格預期、消費者消費偏好均對天然氣需求具有較大影響。鑒于我國天然氣作為一種特殊消費品多由政府主導定價，波動較小，可以忽略天然氣本身價格，而是選擇消費者人均可支配收入（萬元）X31、用氣普及率（%）X32作為需求預測指標。其中用氣普及率是天然氣用氣人口、液化石油氣用氣人口的和占城市區域內全部人口的百分比。

2、模型檢驗

在指標體系構建完畢之后，可以某地統計年鑒公布的2010-2020年的數據為基礎，利用前述方法構建當地天然氣需求預測模型。將X11、X12、X21、X22、X23、X31、X32輸入模型。最終得出結果如下：

由表1可知，應用粒子群算法-最小二乘支持向量機模型進行該城市天然氣需求預先估測相對誤差在0.09896%～0.44875%之間，誤差較小，擬合效果較好，可應用于該地天然氣需求量預測。

3、天然氣需求量預測

以案例城市未來五年的天然氣需求量為對象，進行預測，得出2021～2025年天然氣需求量預測值分別為82.36521x108m3、85.96523x108m3、87.56231x108m3、89.62541x108m3、92.63528x108m3，表明未來一段時間內該城市天然氣需求量仍然處于快速增長態勢。同時從天然氣消費需求增長態勢下供氣量客觀限制因子進行分析，可得出未來五年內該城市經濟總體呈現良好遞增態勢，城市內居民生活水平穩步向更高水平發展，能源結構也將進一步優化，具體表現為煤炭在能源結構中占據比重下降，而天然氣、電源在能源結構中占據比重上升[2]。這種情況下，天然氣供應與需求缺口將進一步拉大。為了解決這一問題，該地需要加快澄海市天然氣管道敷設，構建與未來一段時間內居民天然氣需求相符的天然氣供應銷售系統以及容量相符的城市天然氣儲存系統[3]。在這個基礎上，以細分用戶為對象，展開市場調研，科學規劃季節調峰方案，適當調高天然氣價格，為城市天然氣供應體系與需求體系的協調運作提供依據。

總結：

綜上所述，城市天然氣預測是一個系統而宏大的工程，涉及諸多影響因素，延伸到了社和生活的方方面面。從中長期預測視角出發，可以將工業、居民、商業等用戶視為一個整體，從天然氣內部產業鏈、外部環境、用戶消費等多個視角出發進行指標體系的構建。在指標體系構建的基礎上，構建需求預測模型。在模型中開展城市天然氣需求預測，并將預測結果進行整理，為天然氣預測結果在天然氣行業發展中優良作用的發揮提供依據。

參考文獻

[1]楊光宇，陳國光，王捷，朱豪坤.基于PSO-SQP算法的空地導彈彈道優化[J].兵器裝備工程學報，2021，42（05）：153-157.

[2]王建良，李孥.中國東中西部地區天然氣需求影響因素分析及未來走勢預測[J].天然氣工業，2020，40（02）：149-158.

[3]趙國洪，曾卓.中國天然氣供需形勢分析與發展政策建議[J].天然氣技術與經濟，2021，15（02）：1-6.

3464500338244