基于最优加权组合模型的煤炭消费结构预测

为了研究全国以及火电、冶金、建材和化工行业煤炭消费量,基于无偏灰色(GM)、差分自回归移动平均(ARIMA)、逻辑斯蒂(LOGISTIC)和人工神经网络(ANN)模型,分别构建了各行业组合预测模型,并运用相关系数、平均绝对误差、平均相对误差和均方根误差评价指标检验组合模型拟合精度,筛选出各行业最优组合模型并预测2020—2030年各行业消费趋势。研究表明：最优加权组合模型的R、MAE、MAPE和RMSE等检验指标均优于单项模型|分别构建了权重为(0.32,0.68)的我国煤炭消费总量预测模型GM-ARIMA、权重为(0.28,0.14,0.58)的火电行业预测模型GM-LOGISTIC-ARIMA、权重为(0.40,0.60)的冶金行业预测模型GM-LOGISTIC、权重为(0.32,0.68)的建材行业预测模型ANN-ARIMA、权重为(0.79,0.21)的化工行业预测模型ANN-ARIMA|预测未来我国煤炭消费总量和火电行业消费量呈小幅增长趋势,2030年分别达到41.67亿t和22.10亿t;冶金和建材行业消费量呈稳定趋势,2030年分别达到6.60亿t和5.04亿t;化工行业消费量呈快速增长趋势,2030年达到3.78亿t。     

组合模型在江苏能源消费预测中的应用

鉴于能源消费系统的复杂性及非线性的特征,先利用江苏省能源消费量的历史数据,分别采用灰色预测模型和非线性模型预测了江苏省2004-2015年的能源消耗量,并对单项模型的优缺点进行了比较分析。然后,采用最小化方差的办法进行权重分配,建立了江苏省未来能源消费量的组合预测模型,并应用该模型对江苏省2004-2015年的能源消费量又进行了预测。结果表明,与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠。     

VC++在煤炭需求总量预测中的应用

以煤炭行业实际数据为基础,结合数学中的一元非线性回归预测理论,建立利用VC++6.0编程工具开发的预测模型程序,利用该模型对我国近年煤炭需求总量作了预测。     

基于最优加权组合模型的煤炭消费预测分析

为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我国煤炭消费预测最优加权组合模型ARIMA-GM-ANN。(3)将煤炭消费增长趋势分为"缓慢上升期"、"急速增长期"、"下降期"和"平稳期"四个阶段,2013年煤炭消费量达峰,约43.14亿t,2020年以后,煤炭消费量稳定在35.5亿t左右。     

煤炭需求预测模型分析

基于最小二乘曲线拟合、灰色预测和最优组合模型,提出了全国煤炭需求量的预测模型,并利用各模型预测了全国2009-2013年的煤炭需求量。最后,对3种模型的预测结果作了分析,得出结论:最优组合预测模型从总体上起到了提高预测精度的作用,用此方法进行预测是有效的,预测的结果是可信的。     

煤炭产量预测与对比分析研究

为了预测我国的煤炭产量,分别建立了一元线性回归预测模型和灰色理论GM（1,1）模型,并对预测结果进行了比较分析。结果表明,灰色理论GM（1,1）模型较一元线性回归预测模型预测精度更高,更符合我国煤炭产量的发展趋势。灰色理论GM（1,1）模型的煤炭产量预测结果表明,未来2 a我国煤炭产量呈稳定增长趋势,产量分别为34.83亿t和37.82亿t,增长比例分别为7.5%和8.5%。     

辽宁煤炭需求的GM(1,3)多因素预测

选取主要影响因素（GDP增长率、煤炭占能源消费比例）建立辽宁省煤炭消费需求预测模型GM（1，3），GM（1，3）模型中包含了两个GM（1，1）子模型：GDP增长率预测模型和煤炭占能源消费比例预测模型。各模型的精度均为1级（好）。对2006～2010年辽宁省GDP、煤炭占能源消费比例和煤炭消费三项的预测结果合理。采用灰色系统理论进行建模，能够克服相关数据不足的缺陷和避免人为因素的影响，但用于长期预测有待进一步研究。     

基于时序-神经网络模型的我国石油消费预测

对我国石油消费进行预测和研究,有助于提高石油生产、进口及消费的合理性。本文采用BP神经网络预测方法,建立时序-神经网络预测模型,并取我国往年石油消费量中两次不同的样本预测我国2010-2012年的石油消费量,对两次实验结果进行比对。结果表明,该模型具有较好可行性,用近些年数据作为样本得到的预测结果更接近前几年石油消费量的变化趋势,可为石油需求规划提供参考依据。     

改进灰色GM(1,1)模型在煤炭消费预测中的应用

根据灰色系统理论构建并优化了灰色GM(1,1)预测模型,应用模型对我国煤炭消费总量进行拟合和预测。该模型通过减少数据受到的冲击扰动,以适应中长期预测。经检验,该模型具有较好的精度,预测结果反映出的煤炭消费发展趋势,可为今后制定煤炭发展战略提供参考。     

GM(1,1)模型在煤炭需求预测中的应用

以实际数据为基础，建立了我国煤炭需求量的数列预测模型，并研究了GM(1，1)模型在我国煤炭需求预测中的应用。认为该模型可用于对我国煤炭需求总量的预测。进一步分析了根据实际变化不断改进模型的必要性。     

我国煤炭开采总量的ARMA模型研究

建立了ARMA模型对我国煤炭消费总量进行了研究,意在指导我国煤炭开采总量。文章对煤炭消费序列进行了检验,建立了煤炭消费序列增量模型,选择了最优的ARMA模型,并对我国煤炭消费总量进行了预测,对预测结果进行分析研究,得出了重要结论,并提出了相应的措施和发展目标。     

GM（1，1）模型与线性回归组合方法在矿井瓦斯涌出量预测中的应用

以矿井瓦斯涌出量的预测为主要研究目的,讨论了GM（1,1）方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,依据灰色灾变预测原理,利用线性回归适用短期预测的特点,提出了基于GM（1,1）与线性回归组合预测矿井瓦斯涌出量的新方法.应用结果表明：该方法能很好地解决历史数据的跳变问题,使预测结果更为可靠、精确.     

煤岩电磁辐射效应及其在煤与瓦斯突出预测中的应用

实验研究了单轴应力不同受载方式下的煤岩变形破坏电磁辐射效应规律，探讨了电磁辐射法预测煤与瓦斯突出原理，并将电磁辐射技术应用于煤与瓦斯突出预测。结果表明，电磁辐射法可应用于煤与瓦斯突出预测，预测精度较高，方法简便，大大降低劳动强度和生产成本，真正实现了非接触式空间预测；非接触连续动态空间预测是未来煤与瓦斯突出预测理论的发展趋势。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

灰色预测在贵州煤矿安全生产中的应用

灰色预测通过对系统当前不完全明确信息的处理,发现和掌握系统的变化规律。本文应用灰色系统理论,以贵州煤炭行业的实际资料为依据,分别建立贵州煤炭年产量和百万吨死亡率的灰色预测模型,并进行残差检验,预测模型精度较高。应用建立的灰色预测模型,对贵州煤矿的安全生产状况进行预测,得出贵州煤矿年产量和百万吨死亡率的变化曲线。结果表明,贵州煤炭年产量逐步上升,百万吨死亡率逐渐下降,符合贵州煤矿行业的大体发展趋势。     

基于工序的煤矿多层次全面预算管理体系构建

本文运用作业成本理论分析煤矿资源消耗的因果关系,认为煤炭产品对煤矿资源消耗的过程是煤炭产品消耗生产环节、生产环节消耗工序、工序消耗资源。因此,工序是煤矿资源消耗的直接原因。由此划分出煤矿全面预算管理的四个层次:工序层次、工作面层次、区队层次、全矿层次,构建了基于工序的煤矿多层次全面预算管理体系,并对体系中四个层次的预算编制、预算执行与控制、预算考核过程分别进行分析。     

2015年我国煤炭需求量预测实证研究

"十二五"时期是煤炭行业转变经济发展方式的关键时期,科学预测2015年的煤炭需求量对于制定"十二五"煤炭产量总量控制目标十分必要。本文应用协整模型,结合马尔科夫模型,对2015年煤炭需求量进行预测。认为我国在能源规划约束条件下,2015年我国煤炭需求量高、中、低三种情境下分别为36.65亿t、38.37亿t和40.17亿t,可以完成我国"十二五"期间CO2减排及非化石能源消费比重的约束性目标。     

煤炭耗竭性资源可变参数定价模型构建研究

以霍特林法则和市场经济理论为依据,推导出煤炭耗竭性资源初始价格的可变参数定价模型,理论模型显示:煤炭资源初始价值与年煤炭资源储量增率、开发周期增长率、市场利率与开釆时间的乘积相关。釆用2002-2010我国煤炭初始价格与年煤炭资源储量增率、开发周期增长率、市场利率与开釆时间的乘积对该模型进行实证,结果表明3个解释变量对初始价格都有显著的作用,从而证明了本论文模型的正确性。     

基于DEA回归和C-D生产函数原煤产能预测模型构建

 为了克服采用灰色理论和多元线性回归预测原煤产量的不足,本论文采用统计抽样的方法,选取了35家煤炭企业为研究对象,釆用数据包络（DEA）和C-D生产函数,将预测原煤产量指标由掘进总进尺（A）、掘进工作面平均月进度（D）、原煤全员效率（F）修正为掘进总进尺（A）、回采工作面平均月产量（B）和掘进装载机械化程度（E）,建立了“基于DEA回归的C-D生产函数原煤产能预测模型”。该模型的建立,可用于判断企业的原煤产能是否处于“相对有效”的生产前沿面上,也可用于“生产有效”企业原煤产量的预测。