毕业论文-组合预测在我国能源消耗总量中的应用

I 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 II Application of Combination Forecast in Terms of Total Energy Consumption in China Zhang Kai Directed by Lecturer Jiang Shutao ABSTRACT Combination forecast model is a different type of forecasting model of individual learning strengths, focus on a more economic information 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 according 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 various 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 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 . 1 1 单一预测在我国能源消耗总量中的应用 . 2 1.1 灰色预测 . 2 1.1.1数据的选择 . 2 1.1.2构造累加生成列 . 2 1.1.3构造矩阵 B和数据向量 nY . 2 1.1.4得出预测模型 . 3 1.1.5残差检验 . 4 1.2 移动平均法 . 5 1.3 多元回归预测模型 . 7 1.3.1建立模型 . 7 1.3.2估计参数 . 7 1.3.3进行检验 . 9 2 组合预测在我国能源消耗总量中的应用 . 9 2.1 各单项预测的误差 分析 . 9 2.2 计算组合权重，建立组合预测模型 . 11 3 总 结 . 13 3.1 我国未来 20 年能源消耗总量 . 13 3.2 预测模型结果总结 . 13 参考文献 . 15 附 录 . 16 致 谢 . 17 1 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，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 2 1 单一预测在我国能源消耗总量中的应用 1.1 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(X ， )2()0(X ， )3()0(X ， )21()0(X 1.1.2 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 )1(X ,记生成列为： )k()1(X k1i)0( )i(X 212,1k)k()1k( )0()1( ， XX 1.1.3 构造矩阵 B 和数据向量 nY 3 B=)21()20(21)3()2(21)2()1(21)1()1()1()1()1()1(XXXXXX 111， nY =)21()3()2(XXX 求得 a =-0.068902902， =8.868592422 1.1.4 得出预测模型 GM（ 1,1）模型相应的微分方程： )1()1( aXdtdX 式中， a 称为发展灰数， 称为内生控制灰数 设 为待估参数向量， =a，利用最小二乘法求解，可得： =n1 YBBB TT ）（ 求解微分方程，即可得预测模型： aeaXkX ak )1()1( )0()1( （ k=0,1,2， 21） 即 )1k()1( X =139.6284498 k068902902.0e -128.7114498 累减生成 )0(X 序列： )20()21()21()2()3()2()1()2()2()1()1()1()1()0()1()1()0()1()1()0()1()0(XXXXXXXXXXX 4 1.1.5 残差检验 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 =（ 0， 1.639298342， 1.603229669， 1.68598176， 1.272139511， 0.470229989，-0.438196004 ， -1.002383639 ， -1.580395169 ， -2.243732548 ， -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， 0.004327076， 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()1(X )1()1(X 预测值 1992 10.917 10.917 10.917 10.917 1993 11.5993 22.5163 20.87700166 9.960001658 1994 12.2737 34.79 31.54747199 10.67047033 1995 13.1176 47.9076 42.97909023 11.43161824 1996 13.5192 61.4268 55.22615072 12.24706049 1997 13.5909 75.0177 68.34682073 13.12067001 1998 13.6184 88.6361 82.40341673 14.056596 1999 14.0569 102.693 97.46270037 15.05928364 2000 14.5531 117.2461 113.5961955 16.13349517 2001 15.0406 132.2867 130.8805281 17.28433255 2002 15.9431 148.2298 149.3977898 18.51726167 2003 18.3792 166.609 169.2359281 19.83813831 2004 21.3456 187.9546 190.489164 21.25323596 2005 23.5997 211.5543 213.2584396 22.76927561 5 2006 25.8676 237.4219 237.6518973 24.39345767 2007 28.0508 265.4727 263.7853935 26.13349618 2008 29.1448 294.6175 291.7830489 27.99765543 2009 30.6647 325.2822 321.7778381 29.99478923 2010 32.4939 357.7761 353.9122211 32.13438293 2011 34.8002 392.5763 388.3388196 34.42659851 2012 36.1732 428.7495 425.2211424 36.88232283 1.2 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 t ，已知时间序列观测值为t21 xxx ， ，假设按连续 n个时期的观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1tF表示： n xxx 1n-t1-tt1 tF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 1N-t11-t1t)2( ）（）（）（ SSSSt 式中 ）（ 1tS是第 t 周期的一次移动平均数， ）（ 2tS是第 t 周期的二次移动平均数， N 是计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 ttTt 式中， t 为目前的周期序列号， T 为目前周期 t 到预测周期的周期间隔个数，即预测 6 超前周期数；TtF为第 Tt 周期的预测值；ta为线性模型的截距；tb为线性模型的斜率，即单位周期的变化量 其中，ta、tb的计算公式为： )2()1(2 ttt SSa )(12 )2()1( ttt SSNb 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()1( NSt)3()2( NSt ta tb ttF 1992 10.917 1993 11.5993 1994 12.2737 11.59666667 1995 13.1176 12.3302 1996 13.5192 12.97016667 12.29901111 13.64132222 0.671155556 1997 13.5909 13.40923333 12.9032 13.91526667 0.506033333 14.31247778 1998 13.6184 13.57616667 13.31852222 13.83381111 0.257644444 14.4213 1999 14.0569 13.7554 13.58026667 13.93053333 0.175133333 14.09145556 2000 14.5531 14.07613333 13.80256667 14.3497 0.273566667 14.10566667 2001 15.0406 14.5502 14.12724444 14.97315556 0.422955556 14.62326667 2002 15.9431 15.17893333 14.60175556 15.75611111 0.577177778 15.39611111 2003 18.3792 16.4543 15.39447778 17.51412222 1.059822222 16.33328889 2004 21.3456 18.55596667 16.72973333 20.3822 1.826233333 18.57394444 2005 23.5997 21.10816667 18.70614444 23.51018889 2.402022222 22.20843333 2006 25.8676 23.6043 21.08947778 26.11912222 2.514822222 25.91221111 2007 28.0508 25.83936667 23.51727778 28.16145556 2.322088889 28.63394444 2008 29.1448 27.68773333 25.71046667 29.665 1.977266667 30.48354444 2009 30.6647 29.28676667 27.60462222 30.96891111 1.682144444 31.64226667 2010 32.4939 30.7678 29.24743333 32.28816667 1.520366667 32.65105556 2011 34.8002 32.65293333 30.9025 34.40336667 1.750433333 33.80853333 2012 36.1732 34.4891 32.63661111 36.34158889 1.852488889 36.1538 7 1.3 多元回归预测模型 1.3.1 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 (tY) 为被解释变量 , 以人口 (1tX) 和国内生产总值 (2tX) 为解释变量 , 建立二元回归模型 : TtuXbXbbYtttt ,2,1,22110 式中，0b、 1b 、 2b 是未知参数；tu为剩余残差项或称为随机扰动项，引进随机扰动项tu是为了包括对被解释变量tY的变化有影响的所有其他因素 1.3.2 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)( uE ， IuVar 2)( 假定 2 解释变量与误差项相互独立的，即 0)( uXE 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 )(OLS 估计法估计参数值 ,即YXXXb 1)( ,B 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 8 表 3 多元回归预测模型汇总 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .985a .970 .967 1.54325 a. 预测变量 : (常量 ), 国内生产总值 , 人口 表 4 多元回归预测模型 Anovab Anovab 模型 平方和 df 均方 F Sig. 1 回归 1394.185 2 697.093 292.698 .000a 残差 42.869 18 2.382 总计 1437.054 20 a. 预测变量 : (常量 ), 国内生产总值 , 人口 b. 因变量 : 能源消耗总量 表 5 多元回归预测模型系数 a 系数 a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量 ) -32.299 15.685 -2.059 .054 人口 3.492 1.289 .229 2.708 .014 国内生产总值 4.487E-5 .000 .778 9.205 .000 a. 因变量 : 能源消耗总量 根据 表 3、表 4、表 5所示的结果，建立我国能源消耗总量的多元回归模型，如下所示： tY= -32.299 + 3.4921tX+ 4.487E-52tX(-2.059) (2.708) (9.205) 9 1.3.3 进行检验 （ 1）可决系数 可决系数是衡量因变量与自变量关系密切程度的指标，表示自变量解释因变量变动的百分比它取值于 0与 1之间，并取决于回归模型所解释的访查的百分比由表 3可知，此回归模型解释了我国能源消耗总量 的 97%，可决系数 2R 高，这就意味着该模型把tY的变动解释的好 （ 2) 回归系数显著性检验 回归系数的显著性检验是用 t 参数检验的， t 服从自由度为 n-2的 t 分布，取显著性水平 =0.05，查 t 检验临界值表得： )19(05.0t=2.093，由表 5知，1bt、2bt都显然大于 )19(05.0t,因此，回归系数 b 显著 （ 3) F 检验 F 检验服从 )2,1( nF 分布，取显著性水平 =0.05，查 F 检验临界值表得：)191(05.0 ，F =4.38，由表 4知， F 值显然大于 )191(05.0 ，F ，因此，该模型通过 F 检验 经过上述检验，该模型可以用于预测，能够得出较好的预测结果 2 组合预测在我国能源消耗总量中的应用 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 在组合预测中，多种独立预测方法应各有侧重，又有机联系从预测技术来看，组合预测应是各种相关性较低、区别度较大的不同模型、方法的组合，以实现最大限度的信息综合利用 7而且组合预测也是对原有单项预测的修正 2.1 各单项预测的误差分析 根据上述三个单项预测模型进行预测，并选取 1992-2012年的数据，将灰色预测模型、移动平均模型以及多元回归模型的预测结果与实际值进行比较 ,并计算预测误差 10 表 6 单项预测模型预测结果 年份 实际能源消耗总量 灰色预测值 移动平均预测值 多元回归预测值 灰色 预测误差 移动平均误差 多元回归误差 1992 10.9170 10.9170 10.9170 9.8258 0.0000 0.0000 -1.0912 1993 11.5993 9.9600 11.5993 10.6693 -1.6393 0.0000 -0.9300 1994 12.2737 10.6705 12.2737 11.7112 -1.6032 0.0000 -0.5625 1995 13.1176 11.4316 13.1176 12.6802 -1.6860 0.0000 -0.4374 1996 13.5192 12.2471 13.5192 13.5865 -1.2721 0.0000 0.0673 1997 13.5909 13.1207 14.3125 14.3738 -0.4702 0.7216 0.7829 1998 13.6184 14.0566 14.4213 14.9928 0.4382 0.8029 1.3744 1999 14.0569 15.0593 14.0915 15.5955 1.0024 0.0346 1.5386 2000 14.5531 16.1335 14.1057 16.3569 1.5804 -0.4474 1.8038 2001 15.0406 17.2843 14.6233 17.1174 2.2437 -0.4173 2.0768 2002 15.9431 18.5173 15.3961 17.9006 2.5742 -0.5470 1.9575 2003 18.3792 19.8381 16.3333 18.8835 1.4589 -2.0459 0.5043 2004 21.3456 21.2532 18.5739 20.2475 -0.0924 -2.7717 -1.0981 2005 23.5997 22.7693 22.2084 21.5999 -0.8304 -1.3913 -1.9998 2006 25.8676 24.3935 25.9122 23.2903 -1.4741 0.0446 -2.5773 2007 28.0508 26.1335 28.6339 25.7948 -1.9173 0.5831 -2.2560 2008 29.1448 27.9977 30.4835 28.2557 -1.1471 1.3387 -0.8891 2009 30.6647 29.9948 31.6423 29.5719 -0.6699 0.9776 -1.0928 2010 32.4939 32.1344 32.6511 32.4628 -0.3595 0.1572 -0.0311 2011 34.8002 34.4266 33.8085 35.7749 -0.3736 -0.9917 0.9747 2012 36.1732 36.8823 36.1538 38.1497 0.7091 -0.0194 1.9765 标准差 1.3400 0.9744 1.1641 通过比较上述三种预测模型的标准差，可以看到，灰色模型预测的标准差最大，多元回归预测次之 , 而移动平均预测的标准差最小表 6的数据正反映了各种模型的优缺点 灰色 预测模型 的研究对象是 “ 部分信息已知，部分信息未知 ” 的小样本 、 “ 贫信息 ”不确定性系统 它通过部分已知信息的生成、开发去了解、认识现实世界，实现对系统运行行为和演化规律的正确把握和描述，是一种十分简便的新理论 灰色预测模型是一种对含有不确定因素的系统进行预测的方法 尽管过程中所显示的现象是随机的、 杂乱无章 的，但毕竟是有 序的、有界的，因此这一 数据集 合具备潜在的规律， 灰色预测 就是利用这种规律建立 灰色模型 对灰色系统进行预测 其优点是对样本数据量要求较少，越 11 近期的数据越有效，且原始数据不要求有很好的统计规律，用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间但该模型的近期预测效果与移动平均法和多元回归预测相比则较差 8 移动平均法的优点是短期预测精度较高，计算较为简单该模型用于近期数据的模拟及预测，精度比较高，优于其它模型；但该模型缺点是要保存的历史数据太多，而且对预测结果没有做一定的检验，因 此移动平均法的中长期预测效果与灰色预测模型和多元回归预测模型相比较差并且移动平均法只能用于平稳时间序列，当时间序列的基本特性发生变化时，移动平均法不能很快地适应这种变化 多元回归预测的特点是对样本条件要求较高，它不仅需要大量的统计数据，并且这些数据要求符合一定的统计规律但是多元回归法 可能忽略了交互效应和非线性的因果关系 ，对于具体的预测对象来说，如果不具备大量的统计数据或虽有大量的统计数据，但不符合统计规律，则就不适宜用多元回归预测多元 回归 预测的优点是 在分析多因素模型时 ， 更加简单和方便 ； 回归分析可以准 确地计量各个因素之间的相关程度与回归拟合程度的高低，提高预测方程式的效果 ； 在回归分析法时，由于实际一个变量仅受单个因素的影响的情况极少，要注意模式的适合范围多元回归分析法比较适用于实际经济问题，受多因素综合影响时使用 对于符合上述要求的样本，所建模型的中长期预测效果较其它方法好 2.2 计算组合权重，建立组合预测模型 为了充分利用上述三个单项预测模型所反映的有效信息，克服单项预测模型的缺陷 , 充分减少预测的随机性和系统误差，提高预测精度，显著改进预测效果因此建立组合预测模型，将各种不同类型的单一预 测模型兼收并蓄，集中更多的经济信息与预测技巧，并采用标准差法确定组合权重 设灰色预测模型、移动平均预测模型及多元回归模型的预测误差的标准差分别为1 ， 2 ， 3 ，且 m1i i （ i =1,2,3） 取 iW =1m1i ， i =1,2,3， m 为模型个数 根据上式计算各单项模型的权重分别为 W=(0.3227， 0.1289， 0.3063),并根据这个组合权重，建立组合预测模型如下 : 321 3 0 6 3.01 2 8 9.03 2 2 7.0 yyyY 式中， Y 为组合预测值 , 1y 为灰色预测值 , 2y 为移动平均预测值，3y为多元回归预测值 12 表 7 组合预测模型预测结果 年份 实际能源消耗总量 tY 组合预测值 tY 预测误差 相对误差（ %） ）（ t 1992 10.9170 10.5827981 0.3342019 0.03061298 1993 11.5993 10.78549217 0.81380783 0.070160081 1994 12.2737 11.58411326 0.68958674 0.056184096 1995 13.1176 12.43959502 0.67800498 0.051686664 1996 13.5192 13.12933094 0.38986906 0.028838175 1997 13.5909 13.94668662 -0.35578662 -0.026178297 1998 13.6184 14.47866264 -0.86026264 -0.063169142 1999 14.0569 14.86440155 -0.80750155 -0.057445208 2000 14.5531 15.44949206 -0.89639206 -0.061594578 2001 15.0406 16.24579457 -1.20519457 -0.080129421 2002 15.9431 17.1702828 -1.2271828 -0.076972659 2003 18.3792 18.24526707 0.13393293 0.007287201 2004 21.3456 19.95104466 1.39455534 0.065332216 2005 23.5997 22.20303317 1.39666683 0.05918155 2006 25.8676 24.61912946 1.24847054 0.048263872 2007 28.0508 26.9575696 1.0932304 0.038973234 2008 29.1448 28.99909973 0.14570027 0.004999186 2009 30.6647 30.47657673 0.18812327 0.006134848 2010 32.4939 32.42667609 0.06722391 0.002068816 2011 34.8002 34.61018955 0.19001045 0.005460039 2012 36.1732 37.00014282 -0.82694282 -0.022860649 表 7中 预测误差 =tY-tY，相对误差 ）（ t =tY 100% 从表 7中数据可以看出，构造的组合预测模型具有很强的预测性，选取数据的所有年份预测误差都在在 1%以下 13 3 总 结 3.1 我国未来 20年能源消耗总量 根据上述组合预测模型预测我国未来 20年的能源消耗总量，如 表 8所示： 表 8 未来 20 年我国能源消耗总量预测结果 3.2 预测模型结果总结 上述模型对我国能源消耗总量从不同的角度、因素进行了预测、组合以及分析，并结合各种单项预测模型得出结果：（ 1）在未来 20年我国能源消耗总量随着人口和经济年份 灰色预测值 移动平均预测值 多元回归预测值 组合预测值 2013 39.51321931 38.19407778 40.74367637 39.40452621 2014 42.33178338 40.04656667 43.57913612 41.87003678 2015 45.35140177 41.89905556 46.68050967 44.48187698 2016 48.58641612 43.75154444 50.07476493 47.25293512 2017 52.05219109 45.60403333 53.79161573 50.19727073 2018 55.76518735 47.45652222 57.86380146 53.33022374 2019 59.74303973 49.30901111 62.32739525 56.66853411 2020 64.00464098 51.1615 67.22214342 60.23047282 2021 68.57023155 53.01398889 72.59183957 64.03598546 2022 73.46149564 54.86647778 78.48473684 68.10684944 2023 78.70166426 56.71896667 84.95400197 72.46684639 2024 84.31562553 58.57145556 92.05821579 77.14195101 2025 90.3300429 60.42394444 99.86192458 82.16053812 2026 96.77348177 62.27643333 108.4362476 87.55360962 2027 103.6765452 64.12892222 117.8595465 93.35504326 2028 111.0720192 65.98141111 128.2181629 99.60186556 2029 118.9950284 67.8339 139.6072311 106.3345508 2030 127.4832032 69.68638889 152.1315736 113.5973496 2031 136.576858 71.53887778 165.9066876 121.438648 2032 146.319183 73.39136667 181.0598322 129.9113631 14 稳步增长呈现出逐步上升的趋势由表 8可以看出， 2013年我国能源消耗总量为 39.4045亿吨标准煤，而从较长期来看，在 2032年我国能源消耗总量将接近 130 亿吨标准煤（ 2）任何一种组合预测模型得出的预测结果与实际情况都存在一定的误差，其预测结果不可能是完全精确的引起预测结果出现偏差的主要原因是因为任何一种预测模型都是基于以往的历史数据来构建模型，随着时间的推移，影响预测模型的各种因素及外部坏境会随之发生变化如果用模型来预测较长时期的能源消耗总量，其影响因素很有可能会发生根本性的变化，这就使得组合预测模型的预测结果会不可避免的出现偏差。而这种偏差预测模型本身不会体现出来，这就 需要我们结合各种假设去进行分析。 在未来影响我国能源消耗总量的主要因素有：（ 1）能源的短缺及安全。随着我国经济的不断发展，工业化和城镇化进程越来越快，我国对能源的需求也在不断增加，而能源储备却日益减少，这就使得经济发展与能源供需问题越来越冲突因而调整能源消耗结构，强化节约措施是摆在我们面前日益重要的问题（ 2）我国能源消耗结构不合理我国能源总体上以自己自足为主，能源缺口较小这是因为我国以煤为主体的能源消耗结构决定的这就使得能源消耗结构失衡，不利于能源消耗结构的调整，难以提高能源的供应，而且由此产生的 污染物较多，这就对于我国的减排政策是一个巨大的考验（ 3）我国能源利用效率低我国效率低于世界平均水平，远低于发达国家水平这就需要我国认真学习国外节能的先进经验，加强对科技进步的重视，鼓励创新，使开发新能源变成可能，从而使我国能源消耗结构发生根本性的变化，提高能源利用效率 我国能源的发展面临着巨大挑战，因此应该加快实现循坏经济增长模式，以信息化带动工业化，以工业化带动信息化 ;加强节能技术研究和管理，政府要借鉴发达国家的节约能源经验，以实际行动实现节能减排；重视煤的发展，大力开发油气和可再生能源，一次来减 轻对传统能源需求的压力；政府应加强节约能约的宣传和教育，使广大人民群众从思想上意识到节约能源的重要性 15 参考文献 1刘思峰 ,郭天榜 ,党耀国 .灰色系统理论及其应用 J.北京 :科学出版社 ,2000.（ 2） 2陈尊理 ,马文辉 .提高能源效率是我国能源政策的首要选择 J.节能技术 ,2001（ 01） 3胡小平 .发达国家的能源战 略及对我国的启示 J.中国国土资源经济研究院 ,2002（ 12） 4卢奇 ,顾培亮 ,邱世明 .组合预测模型在我国能源消费系统中的建构及应用 J.系统工程 理论与实践 ,2003（ 03） 5朱有富 ,贺伟奇 .中国能源消费与 GDP关系的实证分析 M.当