基于灰色神经网络组合模型的能源需求预测

【摘要】： 能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质基础。随着社会经济的发展,能源需求也在不断增长。因此对能源需求的研究具有重要的理论意义和现实意义。本文采用系统分析、灰色系统理论和人工智能理论方法对我国能源需求进行了建模与分析。 1、采取定性和定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口、居民消费水平、技术进步和能源价格等对能源需求的影响。根据中国能源消费总量和国内生产总值1978~2005年的时间序列,利用协整分析与Granger检验,验证了中国能源消费与经济增长之间存在着协整关系;用多元统计方法,分析了影响因素之间的相关性以及对能源需求的影响程度,为能源需求的定量预测提供了依据。 2、构建了新的串联型灰色神经网络能源需求预测模型。针对能源需求长期预测数据较少的问题,利用1978~2000年的能源需求总量时间序列构建了三个灰色微分方程。结合灰色理论和人工神经网络理论预测算法的优缺点,将灰色微分方程的预测值和影响能源需求的主要因素同时作为神经网络的输入,学习灰色模型预测结果的长期趋势,并考虑影响因素对能源需求的非线性作用,实现预测值与观察值的最佳拟合。 3、用1978~2005年的数据进行建模和检验。结果表明,改进的串联型灰色神经网络模型预测结果的平均相对误差为1.19%,比传统的灰色人工神经网络并联和串联组合模型预测结果相对误差分别小1.15%和1.08%。利用改进的串联型灰色神经网络模型对2010年、2020年的能源需求总量进行了预测,结果分别为249940万吨标准煤和401840万吨标准煤,对制定能源政策具有一定的参考价值。