1、土耳其的能源需求 M. Mucuk and D. Uysal 经济学，经济和行政学院，塞尔丘克大学法律系， 42075，科尼亚，土耳其 摘要：本研究的目的是预测在土耳其使用 Box-Jenkins 方法论 2007 - 2015年期间的一次能源需求。由能源和自然资源部规定的期限 1970 至 2006 年的年度数据进行的研究中使用。考虑到单位根检验的结果，能源需求的系列是一阶差分平稳。位居其后的替代模型可以发现，最合适的模型是能源需求的系列 ARIMA（ 3,1,3）。根据这个模型，估计结果表明，能源需求也将继续增加的趋势，在预测期内。据预计，在一次能源需求将在 2015 年达到 119.47
2、2 TOE 与相比，应设计用于在土耳其的需求不断增加 2006.因此能源政策增加约 22。 介绍 经济政策的最终目标是维持社会福利水平的增加。有必要通过有 效地利用资源，以实现在社会福利的增加，以增加产量。出于这个原因，可以看出，已内化到新的增长模式的技术因素是一个快速发展。在技 术的发展也有助于在对能源的需求的增加。事实上，在与工业革命发生在 18 世纪末和 19 世纪初 ， 生产过程中采用新技术，以及无论在国家的基础，并在全球范围内增加能源消耗带来的。然而，随着工业化在一起因素，例如人口和城市化也起到了作用，显著作为能源消费的增加解释变量。能量需求，这取决于上面提到的因素，表现出动态结构的
3、未来值，是非常重要的在于要今天实施的政策方面，由于所使用在我们的日常生活中的大 部分能量资源具有一个不平衡各地区和储量分布中一直在稳步下降。上面提到的局限性迫使国家在考虑到可持续增长做出预测已经塑造他们的能源政策。本研究的目的是预测在土耳其通过 Box-Jenkins 方法的基础上规定的期限 1970年至 2006 年的年度数据对能源的需求期间二零零七年至 2015 年。土耳其是不被认为是丰富的化石燃料，诸如石油，天然气和煤炭的国家之列。出于这个原因，正确的能量需求预测携带在设计在国内实施的策略一个显著值。 在土耳其和世界能源需求：为了满足能源需求，一方面是国家继续寻找新的能源资源，另一方面，
4、他们专 注于项目，将提供更有效和高效地利用现有资源（ DPT，1996）。之所以本次搜索的是能源消费显示出增加趋势迅速取决于各种因素，如工业化，人口和城市化在世界各地。实际上，因为它可以在图 1 中所示，全球能源消耗，这是 283.3 万亿英热单位（英国热量单位（ BTU），从 63F 加热一磅水（ 453.6 克）至 64F.所需的能源量）在 1980 年，达到 472.5 万亿英热单位在2006 年同比增长约 66.8左右。它还预测，该值将在 2030 年达到 678.3 万亿英热单位（ EIA， 2006） 对能源的需求，这表明随时间连续增加的趋势，目前是通过化石燃料如汽油，天然气和煤，
5、核能和可再生能源资源满足。据预测，汽油，天然气和煤，这是最消耗这些资源，也将保持在未来的重要性。然而，在所提到的资源的同时增加消费的结果的储量的减少导致消费者对替代能源资源。这种情况下，显然可以在图2 中显示，其中在根据资源的全球能源消费的发展等，并针对它吸引注意，可再生能源如阳光，风，水和地热资源将在未来变得更为重要（ EIA， 2006） 在土耳其的能源消耗也显示并行与世界各地的发展，迅速增加的趋势。发生在社会经济平衡尤其是 1980 年以后的变化有这种倾向显著的贡献。因此，在第4 个计划期间，包括 1983 年 1978，一次能源消费不能超过由于发生在上世纪 70年代的经济，政治和社会不
6、稳定 2.1的年。在 20 世纪 80 年代后半期，随着经济观察复苏持续的城市化进程共同造成能耗增加至 6的年平均增长率上升。当被清楚地感受到了经济危机的负面影响，这增长率降低至 20 世纪 90 年代平均为4.3。 6.1 年均增长在 8 日计划期间并行与旨在要达到的经济增长率目标。目标数目 2003 中，其中，经济获得稳定和 2001 年的危机消退（ DPT， 2006 年）的影响后达到在周 期一定程度。 图 3 显示能源消耗中列出了不同因素，如人口，城市化和工业化有增加的趋势。该图还提请注意这样的事实，虽然在期间观察到一定的休息时间，当经济危机发生及其影响持续，能源消费的总体趋势，增加并
7、没有改变。能源和自然资源部预测，能源需求将达到约 1.7 亿 TOE（石油当量吨），并在情况（图 4），同比增长约 60对能源生产和消费目前的情况。 在土耳其，有关于由使用不同的方法，并采取不同时期考虑进行将来能耗几个预测研究。在这些研究中，虽然有人预测的能量需求将在时间增加并达到显著的水平，观察到预测的结果通常彼此不同。 文献综述：有在土耳其能源需求预测的一些研究。这些研究， Ediger 和 Akar（ 2007）预测相对于初级能源需求类型的燃料的通过使用 ARIMA 和季节性 ARIMA方法的期间 2005-2020。该研究得到的结果表明，在每年的能源需求，这是在1950-2005 年期
8、间 4.9的增长速度，将下滑至 3.3在 2005-2020 年期间， Unler（ 2008 年）所使用的粒子群优化（ PSO）技术来预测 2006-2025 的基础上在 1979-2005 年期间获得的数据期间的能源需求。 Ediger 和 Tatl1dil（ 2002）预 测，通过使用周期分析方法根据从周期 1950-1999 的数据的主要的能源需求。他们在研究中取得的成果表明，能源需求总量将在 2010 年达到阿凯 131440000 TOE 和阿卡特（ 2007 年）通过关于 1970 年至 2004 年期间的数据预测工业和全社会用电量的未来值。这是通过使用 GPRM 方法预测调查结
9、果显示，工业能耗将达到 140.37 亿千瓦时，能源消耗总量将在 2015 年 2 Toksar（ 2009 年）达到 265.7雷公藤预测期间 2007年至 2025年的电力需求三岁以下通过使用蚁群优化（ ACO）根据不同的 GDP，人口和进 口增长率的情况。 Hamzaebi（ 2007 年）通过“人工神经网络”（ ANN）预测的 2003-2020 期间用电能耗。根据能量需求分析模型，所述人工神经网络的研究结果表明，消费水平将实现在工业和运输比在壳体和农业部门预测较高和较低。 Erdogdu（ 2007）提供了用于基于通过使用协整分析和ARIMA模型 通 过 1923年至 2004年 期
10、间的数据对 2005-2014期间 预测的电力需求。他的研究结果提出的用电量将在 2015 年达到 160.090 亿千瓦时，呈现出 3.3的年均增长。在他的天然气需求研究的一个问题，最近进 入土耳其突出， Erdogdu（ 2009 年），从使用 ARIMA 模型周期 1987- 2007 年分析的数据和计算的天然气消费量将达到 2008 年期间的值 -2030。见表 1 关于在土耳其能源需求预测进行的研究信息。 工具和方法 与此研究中，它的目的是预测在土耳其使 用 Box-Jenkins 方 法论的期间2007-2015 的初级能源需求。为此，由能源和自然资源部规定的期限 1970 年至2
11、006 年的年度数据预测研究中的能源需求作为依据。 Box-Jenkins 方法：在分析和预测中使用的 Box-Jenkins 的方法被广泛认为是最有效的预测方法。这种方法适合 ARIMA 模型（ ARIMA）款型（ Baltagi， 2008）。 ARIMA 方法结合两个不同的部分为一个方程 ;它们是自回归过程和移动平均处理（ Bashier 和塔拉勒， 2007）。自回归过程（ AR）是其中变量（ YT）的当前值是它的过去值的函数加上一个误差项 ;如： 其中， YT 是变量被预测， p 为所使用的过去的值的数目， u 是误差项和正态分布的。的 AR 过程可以写成滞后算形式： 移动平均处理假
12、定变量 YT 的当前值作为误差项加一恒定的过去的值的函数。顺序（ Q）移动平均线 ， MAX（ Q）表示为： 主要过程可写成滞后算法形式： 创建 ARIMA 模型，可以 把 两个规范没有独立变量组合成一个方程式，如下： 其中，是 ARIMA 系数分别。在滞后算法组成 的 ARIMA 模型如下： 一个 ARIMA 模型（肯尼迪， 2003 年）建立 的 三个基本步骤： （ 1） 识别 /模型选择： P、 D 和 q 的值必须被确定。简约的原则，采用最平稳时间序列可使用 p 和 q 的非常低的值进行建模。 （ 2） 估计： 和参数必须估计 ，通常是通过使用最小二乘近似最大似然估计。 （ 3） 诊断
13、检查：估计模型必须检查其是否足够，如果需要修订，这意味着这整个过程可能要重复进行，直到一个满意的模型中找到。 结果 为了通过使用盒 - 詹金斯方法来执行预测中，首先，该系列的平稳性，通过使用自相关函数（ ADF）和 Dickey-Fuller（ ADF）的试验进行测试。 根据表 2 中所示的原始序列的相关图中，自相关和部分自相关值落在 95的置信界限与滞后一定水平之外。这表明，能源需求具有正处级单位根。所计算的 ADF 检验统计比 MacKinno 临界值中的 1， 5和 10的显着性水平的绝对值越大支持该结果（表 3）。 为 此，它被认为在固定的水平，一 阶差 的 相关 性如 图 4 和 表
14、 4，作为自相关和部分自相关值落入 95%的 置信水平 ， 可见 对能源的需求满足这一系列在其一 阶差 差异的平稳状态。 以下的平稳性检验，最合适的 ARIMA 模型用于通过盒式詹金斯方法预测通过使用序列、 Akaike和 Schwarz标准的 一阶差值获得的相关性 鉴定为 ARIMA（ 3,1,3）。预测模型在表 5 中给出。 统计分析，以测试所述预测模型参数的相关性对误差项进行。为此，首先在一系列的残差的相关图进行了检查（表 6）。 该残差的 ACF 和 PACF 是 95置信限度内表明，没有自 相关存在。与此同时，自相关通过使用 Breusch-Godfrey LM 检验也进行测试。结果
15、进行了检查最多 10滞后和可看出，没有了任何自相关，如概率值被发现是 0.05（表 7）更大。 测试该模型的相关性之后，使初级能源需求将在 2007 - 2015 年期间显示趋势预测。这在图中所示的预测趋势的结果。 5 指出的能量需求，这是 97.995 TOE在 2006 年，将通过在 22的速度增加， 2015 年达到 119.472 TOE。 还有在本研究中取得的成果和能源和自然资源部的官方预测之间差异显著。能源和自然资源部预测，在一次 能源需求增长将发生在更高的利率。事实上，当我们在看表 8所示为 2015年数据，结果表明，两种预测之间的差异是 48.331 TOE。但是，在由 Edi
16、ger 和 Akar（ 2007）进行的研究中获得的预测结果是显著类似于在本研究中所获得的预测结果。 结论 能源在实现经济和社会发展的一个显著的作用。各地区和由于需求所观察到的增加储量的减少之间的能源资源的分布不平衡使能源问题更重要。这种限制导致了对国家制定政策，这将使有效和高效地利用能源。由于能源消耗列出了不同的因素，如工业化，人口和城市化在世界各地迅速增加的趋势。据预测，汽油，天然气和煤，这是最消耗这些资源，将保持在未来的重要性。同样，在土耳其能耗也趋于迅速增加。能源和自然资源部预测，能源需求将增加 60左右的情况下，目前的情况。而能源需求 97.995 TOE 于 2006 年，据估计，
17、能源需求将在2015 年达到 170.154 TOE 在本研究的基础上，这一期间的年度数据的一次能源需求的未来价值进行了预测土耳其 1970- 2006年通过 Box-Jenkins方法。首先，自相关函数（ ACF）和增广迪基 -富勒（ ADF）的测试用于测试的能量需求系列平稳性。位居其后的替 代机型可以发现，最合适的模型是能源需求的系列 ARIMA（ 3,1,3）。查明其满足在其一 阶差 平稳状态该系列中最合适的 ARIMA 模型后，投影于本期间取得 2015 年 2007-研究中获得的发现表明，一次能源需求，这是97.995 TOE 2006 年，将通过在 22的速度增加， 2015 年达
18、到 119.472 TOE。虽然这些结果都低于能源和自然资源部的官方预测，它们类似于 Ediger 和 Akar（ 2007 年）的预测。 参考文献 Akay, D. and M. Atak, 2007. Grey prediction with rolling mechanism for electricity demand forecasting of Turkey. Energy, 32: 1670-1675. Baltagi, B.H., 2008. Econometrics, 4th Edn., Springer, Berlin. Bashier, A. and B. Talal,
19、2007. Forecasting foreign direct investment inflow in Jordan: Univariate ARIMA model. J. Soc. Sci., 3(1): 1-6. DPT, 2006. Dokuzuncu Kalk 2 nma Plan 2 (2007-2013). Devlet Planlama Teskilat1, Ankara. DPT, 1996. Petrol-Dogal Gaz, Madencilik zel htisas Komisyonu Enerji Hammaddeleri Alt Komisyonu Petrol
20、ve Dogal Gaz algma Grubu Raporu. Devlet Planlama Tegkilat Ankara. Ediger, V. S. and S. Akar, 2007. ARIMA forecasting of primary energy demand by fuel in Turkey. Energy Policy, 35: 1701-1708. Ediger, V. S. and H. Tatl 2 dil, 2002. Forecasting the primary energy demand in Turkey and analysis of cyclic
21、 patterns. Energ. Convers. Manage., 43: 473-487. EIA, 2006. Energy Information Administration, International Energy Annual 2006. Erdogdu, E., 2009. Natural gas demand in Turkey. Appl. Energ., 87: 211-219. Erdogdu, E., 2007. Electricity demand analysis using cointegration and ARIMA modelling: A case
22、study of Turkey. Energ. Policy, 35: 1129-1146. Erdogdu, E., 2007. Electricity demand analysis using cointegration and ARIMA modelling: A case study of Turkey. Energ. Policy, 35: 1129-1146. Hamzaebi, C., 2007. Forecasting of Turkeys net electricity energy consumption on sectoral bases. Energ. Policy
23、35: 2009-2016. Kennedy, P., 2003. A Guide to Econometrics, 5th Edn., MIT Press, Bodmin. Toksar1, M.D., 2009. Estimating the net electricity energy generation and demand using the ant colony optimization approach: Case of Turkey. Energy Policy 37: 1181-1187. nler, A., 2008. Improvement of energy dema
24、nd forecasts using swarm intelligence: The case of Turkey with projections to 2025. Energ. Policy 36: 1937-1944. 附录 建模方法和实现过程 建模的指导中心思想是模型的精度既要达到要求，又要用尽可能少的参数描述系统的动态行为，然后在这两个矛盾的指标之间进行折衷。自回归求和滑动平均法通过重复方法找出能适合模型，然后用历史数据验证，若验证结果符合标准，则选定该模型。图 1 概括了自回归求和滑动平均法的建模流程。 ARIMA 建模包含以下基本步骤 :模型识别，参数估计，模型检验和模型预测。 1 模型识别 ARIMA 模型所适合分析的对象是均值为零的平稳随机序列，因此首先判别观测数据序列是否平稳，若此时序为非平稳，则需要对此时序进行平稳化处理，使非平稳的数据序列转为 均值为零的平稳随机序列。一旦获得平稳随机序列后，接着考察其自相关函数与偏自相关函数，尔后进行初步识别 :若平稳时间序列的偏自相关函数是截尾的，而自相关函数是拖尾的，则可断定此序列适合 AR 模型 ;若平稳时间序列的偏自关函数是拖尾的，而自相关函数是截尾的，则可断定此序
