大学论文：组合预测在我国能源消耗总量中的应用

组合预测在我国能源消耗总量中的应用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 关键词 组合预测 能源消耗 单项预测 预测精度 I 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 China s 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 China s 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 China s energy consumption and the rational use and theoretical foundation KEYWORDS Combination forecast Energy consumption Items forecast Forecast accuracy 目目 录录 摘 要 I 英文摘要 II 前 言 1 1 1 单一预测在我国能源消耗总量中的应用 2 1 11 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 2 n Y 1 1 4 得出预测模型 3 1 1 5 残差检验 4 1 21 2 移动平均法 5 1 31 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 2 组合预测在我国能源消耗总量中的应用 9 2 12 1 各单项预测的误差分析 9 2 22 2 计算组合权重 建立组合预测模型 11 3 3 总 结 13 3 13 1 我国未来 20 年能源消耗总量 13 3 23 2 预测模型结果总结 13 参考文献 15 附 录 16 致 谢 17 0 前前 言言 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 1 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 记生成列为 1 X k 1 X k 1i 0 i X212 1k k 1k 0 1 XX 1 1 3 构造矩阵和数据向量B n Y 2 B 21 20 2 1 3 2 2 1 2 1 2 1 1 1 1 1 1 1 XX XX XX 1 1 1 n Y 21 3 2 X X X 求得 0 068902902 8 868592422a 1 1 4 得出预测模型 GM 1 1 模型相应的微分方程 1 1 aX dt dX 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 利用最小二乘法求解 可得 a n 1 YBBB TT 求解微分方程 即可得预测模型 k 0 1 2 21 a e a XkX ak 1 1 0 1 即 139 6284498 128 7114498 1k 1 X k068902902 0 e 累减生成序列 0 X 20 21 21 2 3 2 1 2 2 1 1 1 1 0 1 1 0 1 1 0 1 0 XXX XXX XXX XX 1 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 0 438196004 1 002383639 1 580395169 2 243732548 2 574161667 1 458938307 0 092364043 0 830424392 1 474142329 1 917303818 1 14714456 8 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 199210 91710 91710 91710 917 199311 599322 516320 877001669 960001658 199412 273734 7931 5474719910 67047033 199513 117647 907642 9790902311 43161824 199613 519261 426855 2261507212 24706049 199713 590975 017768 3468207313 12067001 199813 618488 636182 4034167314 056596 199914 0569102 69397 4627003715 05928364 200014 5531117 2461113 596195516 13349517 200115 0406132 2867130 880528117 28433255 200215 9431148 2298149 397789818 51726167 200318 3792166 609169 235928119 83813831 200421 3456187 9546190 48916421 25323596 200523 5997211 5543213 258439622 76927561 200625 8676237 4219237 651897324 39345767 200728 0508265 4727263 785393526 13349618 4 200829 1448294 6175291 783048927 99765543 200930 6647325 2822321 777838129 99478923 201032 4939357 7761353 912221132 13438293 201134 8002392 5763388 338819634 42659851 201236 1732428 7495425 221142436 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 已知时间序列观测值为 假设按连续 n 个时期的观t t21 xxx 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 1t F n xxx 1n t1 tt 1 t F 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 N 1 1N t 1 1 t 1 t 2 SSS St 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 1 t St 2 t StN 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 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tTt 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 Tt F Tt t a t b 5 斜率 即单位周期的变化量 其中 的计算公式为 t a t b 2 1 2 ttt SSa 1 2 2 1 ttt SS N b 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 t a t b tt F 199210 917 199311 5993 199412 273711 59666667 199513 117612 3302 199613 519212 9701666712 2990111113 641322220 671155556 199713 590913 4092333312 903213 915266670 50603333314 31247778 199813 618413 5761666713 3185222213 833811110 25764444414 4213 199914 056913 755413 5802666713 93053333009145556 200014 553114 0761333313 8025666714 34970 27356666714 10566667 200115 040614 550214 1272444414 973155560 42295555614 62326667 200215 943115 1789333314 6017555615 756111110 57717777815 39611111 200318 379216 454315 3944777817 514122221 05982222216 33328889 200421 345618 5559666716 7297333320 38221 82623333318 57394444 200523 599721 1081666718 7061444423 510188892 40202222222 20843333 200625 867623 604321 0894777826 119122222 51482222225 91221111 200728 050825 8393666723 5172777828 161455562 32208888928 63394444 200829 144827 6877333325 7104666729 6651 97726666730 48354444 200930 664729 2867666727 6046222230 968911111 68214444431 64226667 201032 493930 767829 2474333332 288166671 52036666732 65105556 201134 800232 6529333330 902534 403366671 75043333333 80853333 201236 173234 489132 6366111136 341588891 85248888936 1538 1 3 多元回归预测模型 6 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 为被解释变量 以人口 和国内生产总值 为解释变量 建 t Y 1 t X 2t X 立二元回归模型 TtuXbXbbY tttt 2 1 22110 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 0 b 1 b 2 b t u 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 t u t Y 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 uEIuVar2 假定2 解释变量与误差项相互独立的 即 0 u XE 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YXXXb 1 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 模型汇总模型汇总 7 模型 R R 方 调整 R 方标准 估计的误差 1 985a 970 9671 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 AnovaAnovab b 模型平方和 df 均方 FSig 回归 1394 1852697 093292 698 000a 残差 42 869182 382 1 总计 1437 05420 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 系数系数 a a 非标准化系数标准系数模型 B 标准 误 差试用版 tSig 常量 32 29915 685 2 059 054 人口 3 4921 289 2292 708 014 1 国内生产总 值 4 487E 5 000 7789 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 32 299 3 492 4 487E 5 t Y 1 t X 2t X 2 059 2 708 9 205 1 3 3 进行检验 1 可决系数 8 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 可决系数高 这就意味着该模型 2 R 把的变动解释的好 t Y 2 回归系数显著性检验 回归系数的显著性检验是用 参数检验的 服从自由度为n 2的 分布 取显著性ttt 水平 0 05 查 检验临界值表得 2 093 由表5知 都显然大于 t 19 05 0 t 1b t 2b t 因此 回归系数显著 19 05 0 tb 3 检验F 检验服从分布 取显著性水平 0 05 查检验临界值表得 F 2 1 nF F 4 38 由表 4 知 值显然大于 因此 该模型通过检验 191 05 0 FF 191 05 0 FF 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 表6 单项预测模型预测结果 9 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 199210 9170 10 9170 10 9170 9 8258 0 0000 0 0000 1 0912 199311 5993 9 9600 11 5993 10 6693 1 6393 0 0000 0 9300 199412 2737 10 6705 12 2737 11 7112 1 6032 0 0000 0 5625 199513 1176 11 4316 13 1176 12 6802 1 6860 0 0000 0 4374 199613 5192 12 2471 13 5192 13 5865 1 2721 0 0000 0 0673 199713 5909 13 1207 14 3125 14 3738 0 4702 0 7216 0 7829 199813 6184 14 0566 14 4213 14 9928 0 4382 0 8029 1 3744 199914 0569 15 0593 14 0915 15 5955 1 0024 0 0346 1 5386 200014 5531 16 1335 14 1057 16 3569 1 5804 0 4474 1 8038 200115 0406 17 2843 14 6233 17 1174 2 2437 0 4173 2 0768 200215 9431 18 5173 15 3961 17 9006 2 5742 0 5470 1 9575 200318 3792 19 8381 16 3333 18 8835 1 4589 2 0459 0 5043 200421 3456 21 2532 18 5739 20 2475 0 0924 2 7717 1 0981 200523 5997 22 7693 22 2084 21 5999 0 8304 1 3913 1 9998 200625 8676 24 3935 25 9122 23 2903 1 4741 0 0446 2 5773 200728 0508 26 1335 28 6339 25 7948 1 9173 0 5831 2 2560 200829 1448 27 9977 30 4835 28 2557 1 1471 1 3387 0 8891 200930 6647 29 9948 31 6423 29 5719 0 6699 0 9776 1 0928 201032 4939 32 1344 32 6511 32 4628 0 3595 0 1572 0 0311 201134 8002 34 4266 33 8085 35 7749 0 3736 0 9917 0 9747 201236 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 10 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 且 1 2 3 1 2 3 m 1i i i 取 1 2 3 为模型个数 i W 1m 1 i im 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 3063 0 1289 0 3227 0 yyyY 式中 为组合预测值 为灰色预测值 为移动平均预测值 为多元回归预Y 1 y 2 y 3 y 测值 11 表 7 组合预测模型预测结果 年份 实际能源消耗总量 t Y 组合预测值 t Y 预测误差 相对误差 t 199210 9170 10 58279810 33420190 03061298 199311 5993 10 785492170 813807830 070160081 199412 2737 11 584113260 689586740 056184096 199513 1176 12 439595020 678004980 051686664 199613 5192 13 129330940 389869060 028838175 199713 5909 13 94668662 0 35578662 0 026178297 199813 6184 14 47866264 0 86026264 0 063169142 199914 0569 14 86440155 0 80750155 0 057445208 200014 5531 15 44949206 0 89639206 0 061594578 200115 0406 16 24579457 1 20519457 0 080129421 200215 9431 17 1702828 1 2271828 0 076972659 200318 3792 18 245267070 133932930 007287201 200421 3456 19 951044661 394555340 065332216 200523 5997 22 203033171 396666830 05918155 200625 8676 24 619129461 248470540 048263872 200728 0508 26 95756961 09323040 038973234 200829 1448 28 999099730 145700270 004999186 200930 6647 30 476576730 188123270 006134848 201032 4939 32 426676090 067223910 002068816 201134 8002 34 610189550 190010450 005460039 201236 1732 37 00014282 0 82694282 0 022860649 表7中预测误差 相对误差 100 t Y t Y t t Y 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 3 总 结 12 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 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 201339 5132193138 1940777840 7436763739 40452621 201442 3317833840 0465666743 5791361241 87003678 201545 3514017741 8990555646 6805096744 48187698 201648 5864161243 7515444450 0747649347 25293512 201752 0521910945 6040333353 7916157350 19727073 201855 7651873547 4565222257 8638014653 33022374 201959 7430397349 3090111162 3273952556 66853411 202064 0046409851 161567 2221434260 23047282 202168 5702315553 0139888972 5918395764 03598546 202273 4614956454 8664777878 4847368468 10684944 202378 7016642656 7189666784 9540019772 46684639 202484 3156255358 5714555692 0582157977 14195101 202590 330042960 4239444499 8619245882 16053812 202696 7734817762 27643333108 436247687 55360962 2027103 676545264 12892222117 859546593 35504326 2028111 072019265 98141111128 218162999 60186556 2029118 995028467 8339139 6072311106 3345508 2030127 483203269 68638889152 1315736113 5973496 2031136 57685871 53887778165 9066876121 438648 2032146 31918373 39136667181 0598322129 9113631 13 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 14 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