基于小波神经网络的中国能源需求预测模型

通过分析影响我国能源需求的主要因素,建立了基于小波神经网络的需求预测模型.采用定性与定量相结合的方式,分析了影响我国能源需求的主要因素,通过将人口总数、GDP、产业结构变化以及能源消费量的一阶滞后作为输入变量,建立基于小波神经网络的我国能源需求非线性预测模型.实验结果表明,该非线性预测模型与多元回归模型相比更加合理,具有更高的预测精度.     

基于ARIMA模型的中国天然气消费量预测与分析

天然气作为一种清洁能源,对优化能源消费结构、发展低碳经济起着重要作用.对我国天然气消费量进行预测,有助于制定天然气行业的产业政策,促进其健康有序的发展.利用ARIMA(1,1,5)模型对我国天然气消费进行了预测,结果表明天然气消费增速将近一步加大,到2015天然气消费量将是2012年的近两倍,对外依存度将达到40%.建议应该加快非常规天然气的开发,加快天然气基础设施建设,尽快完成天然气价格形成机制改革,控制天然气消费的无序增长.     

基于新陈代谢GM(1,1)模型的中国煤炭消费量预测分析

运用灰色系统理论,以中国2002-2012年的中国煤炭消费量建立了GM(1,1)和新陈代谢GM(1,1)预测模型.使用相对误差和残差平方和对两个模型的精度进行检验,对比表明,新陈代谢模型精度高于常规的GM(1,1)模型.使用平均弱化缓冲算子来表示能源政策对煤炭消费量的冲击,应用处理后的新陈代谢GM(1,1)模型对2015-2017年的煤炭消费量进行了预测.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

中国能源需求预测函数：主成份辅助的协整分析

本文运用主成份分析法辅助协整和误差校正模型建立中国能源需求的预测模型,并利用数据进行实证检验,结果表明中国能源价格已经能在一定程度上反映能源供求状况,而且利用产业结构调整降低能耗的方法是可行的。在长期中,人口结构,产业结构,燃料价格、消费水平、矿物燃料、润滑油及有关原料的进出口水平影响着中国的能源需求;在短期中,经济产出和产业结构灵敏度较高,显著影响能源需求。该模型预测效果良好,可以为能源需求的预测与管理提供参考。     

能源强度变动的多因素分解方法研究

为更加全面、准确地度量影响能源强度变动的因素,在分析相关研究文献的基础上,提出包含产业结构份额、部门能源效率份额和能源结构份额的三因素几何均值能源强度分解模型,该模型不仅能够将能源消费结构对能源强度的影响从产业结构和部门效率份额中分离出来,而且克服了当数据集合中出现零值时,现有处理方法产生较大误差的缺点,提供了一种精度较高的多因素能源强度分解方法.     

天然气消费量的偏最小二乘支持向量机预测

结合偏最小二乘法和支持向量机的优缺点,提出基于偏最小二乘支持向量机的天然气消费量预测模型。首先,利用偏最小二乘法确定影响天然气消费量的新综合变量,建立以新综合变量为输入,天然气消费量为输出的支持向量机模型,对天然气消费量进行了预测;然后,与多元回归、偏最小二乘回归、普通支持向量机做误差检验比较,验证该方法的可行性与正确性。结果表明,此天然气消费量预测模型具有较高的精确度和应用价值。     

GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

基于最小二乘法的改进GM(1,1)模型在上海市社会总抚养比预测中的应用

由于上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,如果采用普通灰色预测模型无法更加准确地进行预测,因此文章提出了一种改进的GM(1,1)模型.通过将改进模型与普通模型进行对比得出采用二次多项式拟合的改进模型预测精度较高,因此文章采用二次多项式模拟的改进模型进行预测.将该改进模型应用于上海市社会总抚养比预测中,并结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

基于修正的时间序列模型对冲击负荷的预测

电力负荷预测的实质是对电力市场需求的预测,是利用以往的历史数据资料找出电力负荷的变化规律,进而预测负荷在未来时期的变化趋势.由于经济、气候以及工业生产等诸多因素的约束和限制,电力负荷预测精度很难提高.一个好的实用的电力负荷预测模型则要求既能充分利用负荷的历史数据,又能灵活方便地综合考虑其他多种相关因素的影响.提出了回归与自回归模型相结合的时间序列混合回归预测模型,它的待估参数由BP神经网络进行修正,经实例验证,预测效果良好.     

基于最优组合赋权法的我国能源效率评价及影响因素研究

本文总结我国能源效率的主要影响因素,具体包括产业结构、技术进步、能源消费结构、经济发展水平、市场化程度和开放程度,构建我国能源效率影响因素的指标体系。基于最优组合赋权法建立能源效率评价模型,并对2000~2011年我国能源效率及影响因素进行实证分析。实证结果表明:我国能源效率整体呈上升趋势,能源效率显著提高;第二产业产值占国内生产总值比重、重工业占工业产值比重、第二产业增长值比重、R&D投入、第三产业产值占国内生产总值比重和煤炭消费量占能源消费总量比重是我国能源效率最主要的影响指标,而天然气消费量占能源消费总量比重和水、核、风消费量占能源消费总量比重对我国能源效率影响相对较小。     

改进的包容性检验方法在我国能源需求组合预测上的应用

单一模型遴选问题是限制组合模型预测精度提高的瓶颈之一.首次将改进的包容性检验(NET)的方法用于能源需求组合预测中单一预测模型的遴选,并基于支持向量机回归模型(SVR)构建能源需求非线性组合预测模型.研究发现:1)相较而言,NET-SVR组合模型预测精度最高,稳定性最强.该模型的预测值平均相对误差最小(0.35%),明显低于未采用NET的SVR组合模型(0.58%)和基于线性包容性检验的模型(0.50%);2)NET-SVR组合模型在基准情景、低碳情景、受挫低碳情景下,分别预测出2014-2020年我国能源需求量以年均3.28%、1.45%、2.44%的比例增长,明显低于1990-2012年的年均增长率(6.08%),这种增速符合未来新常态经济增长方式下我国能源消费量的规划与控制.     

基于RS-BPNN模型对商品房价格的预测研究

为了克服传统预测方法的不足,采用RS-BPNN模型预测商品房价格.利用粗糙集理论确定影响商品房价格的主要因素,运用具有超强数据处理能力的BP神经网络,根据筛选的主要因素作为输入节点数,构建商品房价格的预测模型,然后通过实例进行仿真.结果表明,其预测精度远远超过传统预测方法.可见RS-BPNN模型在房地产价格预测领域具有很强的实用性.     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

关于深圳人口和病床需求的预测

医疗床位需求主要取决于人口总量和结构,而人口总量依赖于产业经济结构和经济总量,人口结构依赖于非户籍人口和户籍政策。深圳市经济发展受产业结构、经济规模、人口密度、区域面积等因素限制,根据这一特点,首先基于Logistic规律建立了分产业预测模型,然后基于人口发展与生产总值的关联建立了常住人口预测模型,最后依据相关数据分别建立了人口结构、医疗病床需求相关模型。预测结果与当地规划目标比较,显示了结果的相对合理性,这在某种程度上验证了模型的正确性。     

基于灰色系统模型的山西省物流需求预测分析

选取山西省2007-2013年的货运周转量、全省生产总值、人均生产总值、进出口总额、公路里程、铁路营业里程、公路载货汽车拥有量等10个影响因素,利用灰色关联分析对影响山西省物流发展的这些影响因素进行分析,结果显示人均生产总值对山西省物流发展的影响力度最大,选取货运周转量为特征因素,人均生产总值为其相关因素,利用灰色预测模型GM(1,2)模型,对山西省未来3年的物流需求进行预测.预测结果显示:模型具有较高的预测精度,对山西省物流的规划和制2发展战略起到参考作用.     

基于FGM(1,1)模型的北京市天然气消费量预测

近年来环保政策强力实施,空气质量治理力度加大,由此清洁能源的需求量增加,天然气消耗量也在逐年大幅增加.对天然气等清洁能源消耗量进行预测,可以为政府、企业调配能源提供科学依据.本文利用北京市2013年-2017年天然气消费量数据,使用灰色分数阶FGM(1,1)模型,对北京市天然气消耗量进行预测,根据预测结果为政府、企业决策提供参考.     

基于背景值优化的GM(1,1)模型在牡丹江GDP预测中的应用

针对GDP是制定地区经济发展战略目标和宏观经济政策的重要参考指标,若能对此指标进行准确的预测,则将会极大有利于该地区制定科学有效的经济政策.鉴于此,对能够影响传统GM(1,1)模型预测精度的背景值进行了优化分析,得到了背景值优化的GM(1,1)预测模型,利用牡丹江市近六年来的GDP数据,将背景值优化的GM(1,1)模型与传统GM(1,1)模型的预测误差做了对比分析,发现前者较后者在预测精度上有了较好的改善,并利用背景值优化的GM(1,1)模型对牡丹江市未来几年的GDP进行了科学预测,并依据预测结果,给出了提高牡丹江经济增长及增长方式转变的对策建议.     

江苏省能源消费结构对碳排放影响的效应与趋势——基于LMDI和Logistics模型的实证研究

近年来,江苏省能源消费持续增长且以煤为主的能源结构尚未改变,由此引起碳排放量也在逐年增加.主要研究碳排放系数、碳排放的影响因素以及不同能源结构下的碳排放预测.首先对碳排放系数进行计算,然后基于LMDI模型对影响江苏省碳排放的因素进行分析,最后运用1ogistics模型对不同能源结构下的碳排放进行预测.结果发现能源消费过度依赖煤炭是导致碳排放增加的主要因素,天然气每替代煤炭2%或新能源每替代煤炭1%,2030年江苏省碳排放峰值将下降1%.     

中国证券市场不同频率波动预测模型比较研究——基于预测精度和风险管理的视角

准确估计和预测金融资产价格波动是金融风险管理的核心问题。本文将厚尾分布纳入混合频率模型,采用上证综合指数2004-2011年滚动时间窗样本,利用SPA检验和MCS检验对低频、高频和混合频率三类波动模型预测精度进行比较。从风险价值的准确性和预测失败的损失程度角度对比三类模型的风险管理效果。通过对不同损失函数和不同时间窗口的分析发现,在10个波动预测模型中,扩展后的混合频率Realized GARCH_t在预测日波动时具有较高的预测精度,能准确计算短期风险价值,而在预测周或者月波动时,半参数NSM模型预测精度更高,风险价值更准确。