1、组合预测在我国能源消耗总量中的应用摘 要组合预测模型是将各种不同类型的单项预测模型兼收并蓄，各取所长，集中了更多的经济信息与预测技巧，能减少预测的系统误差，显著改进预测效果本文利用我国能源消耗总量的历史数据，建立灰色预测模型、移动平均预测模型和多元回归预测模型，根据单项预测得出的结果进行权重分配，建立组合预测模型，预测结果表明预测值和实绩分析结果有很好的一致性，可以作为研究我国能源消耗总量的有效工具通过比较各种模型的预测误差和从定量的角度来提高预测精度，为预测我国未来的能源消耗总量提出了改进方向，并通过各种预测方法所提供收集有用的信息加以综合利用，提高了预测精度，为我国的能源消耗总量和利用提供
2、了依据和理论基础关键词：组合预测 能源消耗 单项预测 预测精度IApplication of Combination Forecast in Terms of Total Energy Consumption in ChinaZhang Kai Directed by Lecturer Jiang Shutao ABSTRACTCombination forecast model is a different type of forecasting model of individual learning strengths, focus on a more economic informat
3、ion and forecasting skills, can reduce the forecast error, and significantly improve forecast. This project uses historical data of Chinas total energy consumption, building grey forecasting models, the moving average forecasting model and multiple back-forecasting models, weight distribution accord
4、ing to the results of individual forecasts, the establishment of combined forecasting model, predictions showed that the predicted values and performance analysis results with good consistency, can be used as effective tools for study of Chinas total energy consumption. Errors by comparing the vario
5、us forecasting models and improve forecast accuracy from a quantitative perspective, projections suggest improvements for the future direction, and the useful information provided through the comprehensive utilization of various forecasting methods, significantly improve forecast accuracy, provided
6、the basis for Chinas energy consumption and the rational use and theoretical foundation.KEYWORDS: Combination forecast Energy consumption Items forecast Forecast accuracy目 录摘 要 .I英文摘要 .II前 言 .11 单一预测在我国能源消耗总量中的应用 .21.1 灰色预测 .21.1.1 数据的选择 .21.1.2 构造累加生成列 .21.1.3 构造矩阵 B 和数据向量 .2nY1.1.4 得出预测模型 .31.1.5
7、残差检验 .41.2 移动平均法 .51.3 多元回归预测模型 .71.3.1 建立模型 .71.3.2 估计参数 .71.3.3 进行检验 .92 组合预测在我国能源消耗总量中的应用 .92.1 各单项预测的误差分析 .92.2 计算组合权重，建立组合预测模型 .113 总 结 .133.1 我国未来 20 年能源消耗总量 .133.2 预测模型结果总结 .13参考文献 .15附 录 .16致 谢 .170前 言Bates 和 Cranger 首先提出可以建立线性组合预测模型综合各单项模型的信息，以产生更好的预测效果理论和实践的各种研究都表明，在多种不同的单项预测模型并且数据来源不同的情况下
8、，组合预测模型可能获得比任何一个单项预测值更好的预测值组合预测模型将各种不同类型的单项预测模型兼收并蓄，各取所长，集中了更多的经济信息与预测技巧，能减少系统的预测误差，显著改进预测效果组合预测方法是对同一个问题，采用两种以上不同预测方法的预测它既可是几种定量方法的组合，也可是几种定性的方法的组合，但实践中更多的则是利用定性方法与定量方法的组合组合的主要目的是综合利用各种方法所提供的信息，尽可能地提高预测精度因此, 组合预测方法尤其适用于信息不完备的复杂经济系统 1能源是人类生存和物质发展的重要基础，随着我国全方面改革的进一步深化，各方面的矛盾日益突出，能源消耗量迅速增长，更加突出了预测研究我国
9、能源消耗总量的重要性人类社会的发展离不开优质能源的出现和先进能源技术的使用 2在当今世界，能源的发展，能源和环境，是全世界、全人类共同关心的问题，也是中国社会经济发展的重要问题但是，人类在享受能源带来的经济发展、科技进步等利益的同时，也遇到一系列无法避免的能源安全挑战，能源短缺、资源争夺以及过度使用能源造成的环境污染等问题，威胁着人类的生存与发展虽然从不同的角度出发对能源消耗总量的研究表述各不相同，但其根本出发点是减少能源消耗，支撑经济可持续发展因此做好能源消耗预测分析，做出具体规划措施，对于保持我国经济健康、稳定、发展具有重要指导意义和现实意义 3当今世界能源供需分布不平衡格局进一步加剧，气
10、候变化和能源环境问题日益突出，形势日趋严峻，能源地缘政治与能源冲突依然存在，能源安全问题有可能越来越复杂由此看来能源消耗系统是一个复杂的系统，其发展演化过程受到多种因素及外部环境的影响和制约由于我国能源消耗系统的特殊性和复杂性的特点，本课题利用我国能源消耗总量的历史数据，分别采用灰色预测法、移动平均法和多元回归方法建立了我国能源消耗总量的单项预测模型，并根据预测结果对各模型的优缺点进行了比较分析，据此建立了我国未来能源消耗总量的组合预测模型，并且对我国未来 20 年的能源消耗总量进行了大胆的预测，根据预测模型得出预测结果对我国能源消耗提出了相关的建议11 单一预测在我国能源消耗总量中的应用1.
11、1 灰色预测灰色预测法是一种对含有不确定因素的系统进行预测的方法 4灰色系统是介于白色系统和黑色系统之间的一种系统白色系统是指一个系统的内部特征是完全已知的，即系统信息是完全充分的；黑色系统是指一个系统的内部信息对外界来说是一无所知的1.1.1 数据的选择本文选取我国1992-2012年21年的能源消耗总量为原始数据列(数据见附录，本文数据均来源于中国统计年鉴，单位：亿吨标准煤)记为： )0(X)1(0， )2(0X， )3(0， )21(0X1.1.2 构造累加生成列 累加是将原始序列通过累加得到生成列，就是将原始序列的第一个数据作为生成列的第一个数据，将原始序列的第二个数据加到原始序列的第
12、一个数据上，其和作为生成列的第二个数据，将原始序列的第三个数据加到生成列的第二个数据上，其和作为生成列的第三个数据，按如此规则进行下去，便可得到生成列对原始数据做累加生成得到新的数列 ,记生成列为：)1(Xk)(1i)0(i 21,k)()1k(0) ， X1.1.3 构造矩阵 和数据向量BnY2B= ， =)21()0(21)3()(212)()(XX 1nY)21()3(2X求得 =-0.068902902， =8.868592422a1.1.4 得出预测模型GM（1,1）模型相应的微分方程： )1()1(aXdt式中， 称为发展灰数， 称为内生控制灰数a设 为待估参数向量， = ，利用最
13、小二乘法求解，可得：=n1YBT）（求解微分方程，即可得预测模型：（k=0,1,2，21）aeXkk)1()(0)1即 =139.6284498 -128.7114498)( k06892.累减生成 序列：)0(X )20()1()2(3)()(10)0)()0( XX1.1.5 残差检验3根据上述模型计算绝对误差序列和相对误差序列，并根据结果进行残差修正，以提高精度绝对误差序列为：=（0，1.639298342，1.603229669，1.68598176，1.272139511，0.470229989，-）（0.438196004，-1.002383639，-1.580395169，-2.
14、243732548，-2.574161667，-1.458938307，0.092364043，0.830424392，1.474142329，1.917303818，1.147144568，0.669910774，0.359517073，0.37360149，-0.709122828）相对误差序列为：=（0，0.141327351，0.130623175，0.128528219，0.094098727， 0.034598885，-0.032176761，-0.071309011，-0.108595088，-0.149178394，-0.161459294，-0.079379859，0.004
15、327076，0.035187922，0.056987982，0.068351128，0.03936018，0.021846318，0.01106414，0.010735613，-0.019603542）根据灰色预测模型得出的结果其相对误差小于0.5%，因此模型的精确度较高，能够较为准确的预测出未来某一时刻或某一时间段的特征量由预测模型可得出预测值如表1：表1 灰色预测模型预测结果 年份能源消耗总量)k(X)1(预测值1992 10.917 10.917 10.917 10.9171993 11.5993 22.5163 20.87700166 9.9600016581994 12.2737
16、34.79 31.54747199 10.670470331995 13.1176 47.9076 42.97909023 11.431618241996 13.5192 61.4268 55.22615072 12.247060491997 13.5909 75.0177 68.34682073 13.120670011998 13.6184 88.6361 82.40341673 14.0565961999 14.0569 102.693 97.46270037 15.059283642000 14.5531 117.2461 113.5961955 16.133495172001 15.
17、0406 132.2867 130.8805281 17.284332552002 15.9431 148.2298 149.3977898 18.517261672003 18.3792 166.609 169.2359281 19.838138312004 21.3456 187.9546 190.489164 21.253235962005 23.5997 211.5543 213.2584396 22.769275612006 25.8676 237.4219 237.6518973 24.393457672007 28.0508 265.4727 263.7853935 26.133
18、4961842008 29.1448 294.6175 291.7830489 27.997655432009 30.6647 325.2822 321.7778381 29.994789232010 32.4939 357.7761 353.9122211 32.134382932011 34.8002 392.5763 388.3388196 34.426598512012 36.1732 428.7495 425.2211424 36.882322831.2 移动平均法移动平均法是修匀时间序列的一种方法 5就是每当得到一个最近时期的数据，就立即把它当做有效数据，而把最老的那个时间数据剔除
19、掉，重新计算出一个新的平均值，用它来预测下一时间的数据 5依次法则，就可以计算出一串平均数，因此，移动平均从数列中所取数据点数一直不变，只是包括最新的观察值从长期来看，虽然移动平均法的预测精度不太高，但是，随着时间的推移，能够很好地反映出该时间序列的变化情况，并且计算方法较为简单设当前时期为 ，已知时间序列观测值为 ，假设按连续 n 个时期的观t t21x， 测值计算一个平均数，作为对下一时期即（t+1）时期的预测值，用 表示：1tFnx1n-t1-tt1tF如果时间序列具有明显的线性变化趋势，则不宜采用移动平均法来预测。当序列具有随机性时，存在预测值滞后于实际值的情况，为了避免利用移动平均法
20、预测有趋势的数据时产生的误差，发展了线性二次移动平均法。它不是用二次移动平均数直接进行预测，而是在二次移动平均的基础上建立线性预测模型，然后再用模型预测。二次移动平均数是在一次移动平均数的基础上计算得到的其计算公式为： N1-t1-tt)2( ）（）（）（ SSt 式中 是第 周期的一次移动平均数， 是第 周期的二次移动平均数， 是计）（ 1tSt ）（ 2tt N算移动平均数所选定的个数当序列具有趋势时，一次平均数序列总是落后于实际数据序列，出现了滞后偏差；二次移动平均数序列也与一次平均数序列形成了滞后偏差二次移动平均正是利用这种滞后偏差的演变规律建立线性预测模型的线性预测模型为： TbaF
21、tTt式中， 为目前的周期序列号， 为目前周期 到预测周期的周期间隔个数，即预t测超前周期数； 为第 周期的预测值； 为线性模型的截距； 为线性模型的TtFt t tb5斜率，即单位周期的变化量其中， 、 的计算公式为：tatb)2()1(tttSa)()(tttNb所得预测结果如表 2 所示：表 2 移动平均模型预测结果年份能源消耗总量)3()1St )3()St tatbtF1992 10.9171993 11.59931994 12.2737 11.596666671995 13.1176 12.33021996 13.5192 12.97016667 12.29901111 13.64
22、132222 0.6711555561997 13.5909 13.40923333 12.9032 13.91526667 0.506033333 14.312477781998 13.6184 13.57616667 13.31852222 13.83381111 0.257644444 14.42131999 14.0569 13.7554 13.58026667 13.93053333 0.175133333 14.091455562000 14.5531 14.07613333 13.80256667 14.3497 0.273566667 14.105666672001 15.04
23、06 14.5502 14.12724444 14.97315556 0.422955556 14.623266672002 15.9431 15.17893333 14.60175556 15.75611111 0.577177778 15.396111112003 18.3792 16.4543 15.39447778 17.51412222 1.059822222 16.333288892004 21.3456 18.55596667 16.72973333 20.3822 1.826233333 18.573944442005 23.5997 21.10816667 18.706144
24、44 23.51018889 2.402022222 22.208433332006 25.8676 23.6043 21.08947778 26.11912222 2.514822222 25.912211112007 28.0508 25.83936667 23.51727778 28.16145556 2.322088889 28.633944442008 29.1448 27.68773333 25.71046667 29.665 1.977266667 30.483544442009 30.6647 29.28676667 27.60462222 30.96891111 1.6821
25、44444 31.642266672010 32.4939 30.7678 29.24743333 32.28816667 1.520366667 32.651055562011 34.8002 32.65293333 30.9025 34.40336667 1.750433333 33.808533332012 36.1732 34.4891 32.63661111 36.34158889 1.852488889 36.15381.3 多元回归预测模型61.3.1 建立模型由于我国能源消耗总量与经济发展、人口的增长存在密切的关系因此以我国能源消耗总量( ) 为被解释变量, 以人口( ) 和国
26、内生产总值 ( ) 为解释变量, 建tY1tX2tX立二元回归模型:TtubYttt ,210 式中， 、 、 是未知参数； 为剩余残差项或称为随机扰动项，引进随机扰0b12tu动项 是为了包括对被解释变量 的变化有影响的所有其他因素tut1.3.2 估计参数假设以上模型满足下列的假定条件：假定1 随机误差项是非自相关性的，即，0)(uEIuVar2)(假定2 解释变量与误差项相互独立的，即)(X假定3 解释变量之间是线性无关的假定4 解释变量是非随机的根据上述假定条件，利用普通最小二乘 估计法估计参数值,即)(OLS, 并代入我国 1992-2012年的能源消耗总量、人口、国内生产总值的数YXb1)(B据运用SPSS软件，以我国能源消耗总量为因变量，以人口、国内生产总值为自变量，得出结果如表3所示表3 多元回归预测模型汇总模型汇总
