基于ABA-ESA的中国煤炭需求预测模型

精准预测未来煤炭需求量对能源政策的制定和产业结构的调整具有显著的积极意义。使用一种新的混合优化算法即基于指数退火的自适应蝙蝠算法(ABA-ESA算法),该算法不仅继承了蝙蝠算法的全局搜索能力和模拟退火算法的局部搜索能力,而且加强了算法在局部的搜索能力,加快了总体收敛速度。选取经济增长、城镇化进程和能源结构作为ABA-ESA的输入因子,使用1981-2015年共35年间各因子及煤炭消耗量作为观察数据,建立二次方程形式的煤炭需求预测模型,并将建立的模型与其他模型进行比较,发现该预测模型在准确性能上有很大的优势。预测结果表明,2020年和2030年我国煤炭需求量分别为30.01亿t标准煤和44.41亿t标准煤。     

基于DDE—BAG的中国天然气需求预测模型

天然气是一种重要的资源,具有高效、清洁、安全等众多优点,现今已得到广泛应用。精准预测未来天然气需求量对能源战略的制定、安排天然气的生产及进出口具有显著意义。为预测中国未来天然气需求量,本文使用一种新的混合优化方法,即DDE-BAG算法,该方法是在原始的DEBA算法基础上,使用自适应原理,对原始算法的变异算子和交叉算子进行调整,改变其扰动方式和变异方式得到的。新算法不仅具有搜索全局最优性的能力,而且具有更强的局部搜索能力和更加迅速的收敛速度。本文选取人均生活用气量、天然气消耗在能源消耗中的占比、经济增长(GDP)和人口城镇化率四个影响因素作为模型的输入因子,使用1986~2015年的数据作为观察数据,运用DDE-BAG算法对天然气需求估计模型的多重线性形式和指数形式进行系数优化,得出两种模型的最优系数。结果表明,建立的两种模型的预测值与观察值极其接近,并将两种模型的判定系数及预测误差进行比较,最后使用两种模型采用两种不同的方式对中国2016~2030年期间的天然气需求量进行预测,结果发现,虽然采用的预测方式不同,但预测的结果相近。