基于灰色关联度组合模型的能源消费预测研究

为了准确预测未来几年我国能源消费总量,基于灰色关联度建立了我国能源消费组合预测模型,并与传统GM(1,1)模型进行对比分析。结果表明:组合模型能有效降低平均相对误差,提高预测精度,非常适用于我国能源消费预测。     

中国能源消费的组合预测

组合预测理论及建模技术对于信息不完备的复杂经济系统具有一定的实用性。鉴于能源消费系统的复杂性及非线性的特征,可利用中国能源消费量的历史数据,分别采用指数回归模型、多元回归模型及灰色模型建立中国能源消费系统的单项预测模型。之后,可采用标准差法进行非负权重分配,建立中国能源消费量的组合预测模型。分析结果表明,组合预测模型的精度高于单项预测模型。进而可应用该模型对中国未来10年的能源消费量进行预测。     

江苏能源消费Logistic模型的统计检验估计法及预测

提出了能源消费的Logistic模型 ,并运用该非线性模型的统计检验估计法对江苏省能源消费总量作了短期预测 ,据此预测结果 ,分析能源消费增长趋势 ,结合江苏省社会经济发展现状与趋势 ,提出相应的能源对策     

非线性分析下西部-江苏能源联动决策支持系统的研究--能源消费与生产混沌动力学模型的建立

根据能源系统中能源经济增长将随着对能源依赖的逐渐饱和而下降这一合理假设,给出能源系统消费的Logistic模型.利用该模型对我国2010年、2030年能源消费量的预测结果分别为22.15亿吨标准煤及32.88亿吨标准煤;江苏省能源消费总量亦呈上升趋势,从1996年到2010年增加61%,明显高出全国平均增加水平33%.同时本文利用哈维尔摩经济增长模型,引入能源生产的哈维尔摩模型,该模型适用于能源生产预测系统.利用该模型对我国2010年和2030年能源生产量的预测结果分别为17.66亿吨标准煤及31.83亿吨标准煤.从预测结果看,本文的能源消费、生产预测模型明显优于其他预测模型.     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

基于拉开档次法组合模型在物流需求预测中的应用——以江苏省为例

为了对物流需求进行科学预测,文章在主成分分析的基础上,选取了对物流需求影响较大的3个主要因素:人均社会商品消费额、人均GDP和商品零售价格指数为自变量.分别建立了多因素灰色预测模型、ARIMA预测模型、多元回归预测模型,并运用拉开档次法建立了组合模型。通过该组合模型对江苏省物流需求进行了预测。结果表明,江苏省物流需求每年以近9.5%快速增长。与其他预测模型相比,该预测模型具有更高的预测精度。     

中国食用粮食消费总量的时序预测

粮食消费预测是安排粮食生产、调整粮食种植结构、制定粮食安全和农业可持续发展战略的重要理论依据。利用粮食消费量与时间之间的相关关系 ,采用SPSS程序包进行筛选 ,建立我国食用粮食消费总量的时序预测模型。研究结果表明 ,所建立的三个时序预测模型的拟合度等统计指标高度显著 ,运用所建模型对所获资料进行的内推预测比较准确 ,但外推预测结果因影响因素多 ,其准确性有待时间和实际的检验     

经济增长与能源结构的实证研究——基于山东省的数据

文章基于1985—2012年的时间序列数据,对山东省经济增长、各能源消费量及能源消费总量之间的关系进行了协整分析,建立了向量误差修正模型,并进行了格兰杰因果关系检验。研究发现,山东省经济增长与煤炭、石油、天然气、电力和能源消费总量之间存在长期的均衡关系;短期内,山东省的经济增长主要受煤炭和电力消费量波动的影响,而石油(原油)和天然气的作用却不显著,能源消费总量的贡献也由于各能源影响效果的综合叠加而不显著;存在煤炭、天然气和电力消费量到经济增长的单向格兰杰因果关系,而石油和能源消费总量同经济增长之间不存在格兰杰因果关系。     

基于灰色理论和回归分析的中长期电力负荷组合预测研究

本文建立基于灰色预测和多元回归预测的电力负荷组合预测模型,结合实例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了分析和比较。     

灰色动态模型在人口总量预测中的应用

在介绍灰色动态模型原理与模型检验的数学理论的基础上考察灰色动态模型在人口总量预测中的应用,结合实际建立人口总量预测模型,经模拟预测残差检验和后验差检验均为“很好”,说明该模型具有一定的应用价值。     

经济承压背景下中国能源经济预测与展望

2019年中央经济工作会议强调,中国正处在转变发展方式、优化经济结构、转换增长动力的攻关期,经济下行压力不断加大。以此为背景阐述能源经济发展现状,分析重点行业发展前景,通过不同情景下的预测分析,探讨经济承压背景下中国能源经济发展的路径与趋势。根据预测结果,经济承压对各行业的能源消费量存在普遍影响,尤其是煤炭、黑色金属冶炼和汽车行业的能源消费量在未来一段时间将呈下降趋势;在基准情形下,预计到2030年,中国GDP将达到171.97万亿元（2018年不变价水平）,能源消费总量约57.09亿吨标准煤,煤炭消费占比将不断下降,清洁能源占比预计达到41.7%。根据预测结果,有针对性地在能源消费结构、能源效率和能源合作方面提出政策建议。     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。     

基于组合预测模型的滚装码头吞吐量预测

根据上海港滚装码头2006—2011年的吞吐量数据,采用时间序列法、灰色预测法以及相关性分析法等单项预测方法建立预测模型,计算发现相关性分析法预测的结果优于时间序列和灰色预测。建立最优线性组合预测模型并测算,证明该模型对于影响因素复杂且历史数据较少的滚装码头吞吐量预测具有较高的精度。     

我国区域能源消耗及可持续发展的研究

针对能源总量的控制,使用多元线性回归、灰色预测、面板数据协整检验、多项式拟合等多种方法,分别构建异质性面板数据、OSL 回归、灰色预测 GM （1,1）等模型。运用 MATLAB、EVIEWS等软件,建立评价产业结构能源消耗特征的指标,并依据各省份的产业结构对各省份能源消费特征进行分类,研究能源消耗与经济发展水平的关系,提出下一发展周期我国能源消费总量按省份合理分配的方案及监督和考核目标完成情况的实施方案。     

西北地区能源消费、经济增长与碳排放的关系研究

能源消费、碳排放与经济增长之间的关系研究对实施节能减排、发展低碳经济具有至关重要的意义。该文基于西北五省统计年鉴数据,测算了1992—2011年煤炭、石油、天然气三种能源的碳排放量,并从近似关系和脱钩关系两个角度刻画了能源消费、碳排放量与经济增长之间的关系。结果表明:1992—2011年,西北地区碳排放总量及煤炭、石油、天然气引起的碳排放量总体呈上升趋势,碳排放主要来自于煤炭消费;西北地区能源消费总量与碳排放总量的变动趋势近似,能源强度与碳排放强度的变动趋势近似;碳排放与经济增长的脱钩弹性指数类型、能源消费与经济增长的脱钩弹性指数类型表现基本上一致,且在大部分年份指向弱脱钩状态,未来一定时期内弱脱钩发展趋势可能仍将持续。     

基于变参数模型的中国煤炭消费与经济增长关系研究

进入21世纪以来，随着全球经济的复苏和高速发展，能源问题日益引起各国学者的重视。为了研究中国煤炭消费与经济增长的关系，本文根据1978—2005年的统计数据，建立了中国煤炭消费与经济增长的变参数模型，并对其进行了协整检验。研究发现．中国煤炭消费与经济增长之间存在一种随时间变化的长期均衡关系，模型的估计结果较好地揭示了中国煤炭消费弹性的时变规律。通过分析得出，降低煤炭消费弹性的关键在于加快产业结构调整，减少高耗煤产业的比重；发挥市场机制配置资源的基础性作用．提高煤炭利用效率。     

基于周期性指数平滑法的大型公建能耗预测模型研究

根据大型公建月耗能具有的强周期特性,采用周期性指数平滑法对大型公共建筑月耗能进行了预测建模,并编程确定了最优平滑系数,数值结果表明该预测模型有较高的精度和较强的实用性.     

多因素数据重心预测法对比研究——中国钢材消费量预测实证分析

将多因素数据重心预测法与传统的最小二乘法应用于我国钢材消费量的预测,并从建模到预测结果的统计检验指标等方面进行对比研究。结果表明,多因素数据重心预测法在预测结果的稳健性方面具有较大的优越性,同时多因素数据重心法在处理具有异常数据的样本数据方面具有明显的平滑系统误差的作用。另外,多因素数据重心法还具有更直观、易于理解与运用、对数据的要求比最小二乘法宽松等优点。     

中国煤炭消费和经济增长关系的研究

基于对我国煤炭消费的基本分析，本文运用了协整理论分析了煤炭消费和经济增长的协整关系，建立了煤炭消费和经济增长的Granger因果关系检验模型，得出了煤炭消费和经济增长具有长期的协整关系，短期具有双向的Granger因果关系；研究了煤炭消费对能源效率的影响和对经济产出的贡献，煤炭比重的过大是我国能源效率低的重要原因，煤炭对经济的产出的贡献低于能源对经济的平均产出的贡献。     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。