b―j方法在广西人均生活用电消费量预测中的应用

《b―j方法在广西人均生活用电消费量预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、B—J方法在广西人均生活用电消费量预测中的应用摘要：随着广西经济不断发展，居民生活不断提高，对生活用电消费也需求量不断增大。本文对1990-2014年广西人均生活用电消费量进行分析，建立计量模型ARMA(2,1，3)，经统计检验，该模型精确度较高，并运用此模型对未来三年广西居民人均生活用电消费量进行预测。关键词：ARMA模型；广西；生活用电消费量；预测中图分类号：0212文献识别码：A文章编号：1001-828X(2016)016-000-02一、引言电力是居民生产发展的基础，与居民的经济发展密切相关

2、。从20世纪80年代以来，广西经济快速增长，广西居民的收入也不断增加，生活水平不断提高，生活用电力消费量也跟着快速增长.在1985年广西居民人均年生活用电消费量只有27千瓦小时，但到2014年居民人均年生活用电消费增加到503千瓦小时.电力行业发展与经济增长基本同步，电力供应总量增长迅速，但仍有供需紧张的状况出现，特别是在夏季用电高峰时期。因此，对广西居民年人均生活用电力消费量进行研宄，具有积极的实际意义。本文运用eviews8.0软件，对广西人均生活用电消费量进行分析，建立合适ARMA模型，并对未来

3、三年广西居民人均生活用电消费量进行预测。二、数据的来源与处理本文选取1990-2014年广西城乡居民人均生活用电消费量（单位：千瓦小时）数据作为研宄对象，记为｛yt｝序列，数据来源于《广西统计年鉴（2015）》。下图1是广西城乡居民人均生活用电消费量｛yt｝的时序图，图形有明显的递增趋势，是非平稳序列。为消除趋势的影响，对｛yt｝序列进行一阶逐期差分［1］，得到｛dyt｝序列，如图2所示，图形不具有趋势特征，初步判定为平稳序列。三、ARMA模型的构建1.ADF检验由于建立ARMA模型要求序列必须是平稳

4、［2］，为了进一步确定序列｛dlnyt｝为平稳序列，运用EViews8.0软件对｛yt｝序列和｛dyt｝序列进行ADF检验，结果如表1所示。由单位根检验知，｛yt｝序列，统计量ADF=2.7655，大于1%，5%，10%显著性水平的临界值，对应概率值p=0.998大于显著性水平0.05,是非平稳序列。｛dyt｝序列，统计量ADF=-6.8265,均小于1%，5%，10%显著性水平的临界值，对应概率值p=0.001小于显著性水平0.05,拒接原假设，即认为该序列不存在单位根，是平稳序列。1.模型的识别与

5、建立图3是｛dyt｝序列的自偏相关和偏相关图，Q统计量对应的p值从延迟第1期起至第12期均小于显著水平0.05，从AC分析图可见，在延迟3阶后样本的自相关系数明显落入随机区间内；从PAC分析图可见，在延迟2阶后样本的偏自相关系数明显落入随机区间内；这表明｛dyt｝序列明显的短期相关，因此考虑建立ARIMA（2，1，3）模型。2.参数估计及检验通过上述模型识别，我们建立ARIMA（2，1，3）模型，建模结果如表2所示，其中，统计量R2=0.8217和调整后的=0.7797,说明模型拟合程度比较好，AIO

6、7.4490，SO7.5074，相差不大。各参数估计值对应的P值均小于0.05，有理由认为该参数显著不为0。模型表达式为对ARIMA（2，1，3）模型进行适合性检验，即对残差｛et｝序列进行白噪声检验［4］。从残差自相关和偏相关图（图4）可知，Q统计量和检验的相伴概率p值都大于0.05,即残差pt｝序列为白噪声序列，检验通过，该模型是较好的有效的模型。1.预测及结果根据ARIMA（2,1，3）模型的得到表3,2012-2014年实际值和拟合值的比较[3]，差距不大，误差较小，误差率均在5%范围内，模型

7、拟合效果较好。运用模型对2015-2017年广西人均生活用电消费量做预测，结果分别550.4072千瓦小时，603.0119千瓦小时和661.3839千瓦小时。四、建议本文利用Eview8.0软件分析广西人均生活电力消费量1990-2014年的历史数据的数据特征，对数据进行一阶逐期差分的平稳化处理和ADF检验，根据自相关和偏自相关图进行模型识别，最终根据模型的拟合优度R2和，AIC和SC准则和参数检验的综合比较分析，确定ARIMA（2，1，3）模型对广西人均生活电力消费量拟合和预测.由表5比较结果可知

8、，2012-2014年实际值和拟合值的差距不大，误差率在5%之内，模型拟合效果较好，因此运用模型对2015-2017年广西人均生活用电消费量做预测，可信度比较高。B-J方法对时间序列的短期预测效果较好，精度明显提高[4],而且预测的结果稳定性好。参考文献：[1]易丹辉.数据分析与Eviews应用[M].中国统计出版社，2002.[2]查奇芬，焦小伟.指数回归-ARMA模型在我国人均生活电力消费量预测中的应用[J].数理统计与管理，2009,28(6)：1