共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
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。 相似文献
4.
基于ARIMA模型的我国能源消费结构趋势分析与预测 总被引:1,自引:0,他引:1
本文运用ARIMA模型,对我国2020年前的能源消费总量及煤炭消费总量、非化石能源消费总量进行了预测,对我国能源结构现状及未来能源结构发展趋势进行了分析.预测结果表明,ARI-MA模型对能源消费量进行预测效果较好,可以作为能源消费量预测的工具.我国能源消费总量持续增大,调整经济结构和节能减排依然是我国今后经济发展的主要任务.按照目前的用能习惯和清洁能源的建设速度,煤炭仍将是我国未来的主要能源,其比例将一直在70%左右;非化石能源的比例在2020年的预测结果为11.9%,与我国提出的15%的目标还有一定的差距.论文提出我国应加快实现煤炭的清洁利用、优化煤炭定价机制、着力调整能源消费结构和加快清洁能源建设的建议. 相似文献
5.
辽宁煤炭需求的GM(1,3)多因素预测 总被引:1,自引:0,他引:1
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。 相似文献
6.
煤炭消费需求的分析和预测 总被引:5,自引:0,他引:5
以1979年以来的统计数据作为主要依据,论述了中国煤炭消费总量与分部门消费量之间的关系,提出了煤炭消费需求年增长率与国民经济发展速度与单位产值煤耗之间的关系及相应的表达式。根据节煤率的变化规律分析预测了近期和远期的煤炭需求量。 相似文献
7.
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。 相似文献
8.
9.
以我国1980-2005年实际数据为样本对我国煤炭消费进行协整分析,协整检验结果说明煤炭消费与国内生产总值(GDP)、结构变化和效率之间存在长期均衡关系.建立的误差修正模型符合反向修正机制,说明煤炭消费短期波动不会影响其长期均衡关系,该模型适合于煤炭消费的短期预测.Granger因果关系检验揭示了GDP、效率分别对煤炭消费量存在单向的Granger因果关系.正交脉冲响应和方差分解分析说明GDP和产业结构变化对煤炭消费具有持续的正影响,而效率对煤炭消费具有持续的负影响. 相似文献
10.
组合模型在江苏能源消费预测中的应用 总被引:6,自引:0,他引:6
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。 相似文献