基于灰色模型的中国能源需求预测

《基于灰色模型的中国能源需求预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第31卷第4期西安科技大学学报Vol．31No.42011年07月JOURNALOFXI’ANUNIVERSITYOFSCIENCEANDTECHNOLOGYJul.2011文章编号:1672－9315(2011)04－0398－05*基于灰色模型的中国能源需求预测郭莉(西安科技大学能源经济管理研究中心，陕西西安710054)摘要:首先阐述了国内外在能源需求预测方面的研究现状，以此为基础，采用灰色模型预测法分别对中国的煤炭、石油和天然气需求量进行预测，综合确定了三大能源2011－2020年的需求量。据

2、此提出了中国未来能源开发及利用的建议:以技术为支撑，节能优先，提高能源利用效率;调整煤炭内部结构，建立国家石油战略储备体系，加大开发利用天然气;大力开发新能源。关键词:煤炭;石油;天然气;灰色模型中图分类号:TK01文献标志码:A能源在国民经济发展过程中具有特殊和重要的地位。从能源总量来看，中国是世界第一大能源生产国和第二大能源消费国，但从人均指标看，中国的人均能源消费量仍然较低。未来中国能源工业能否支撑社会和经济的高速、持续、健康发展，成为国内外人们关注的热点问题。因此，开展能源需求预测研究，为能源

3、规划及政策的制定提供科学依据，对中国全面实现建设小康社会第3步战略目标的宏伟任务和建设节约和谐社会具有重要的战略意义。0引言20世纪70年代以前，国外学者在采用单目标函数能源模型对能源需求进行预测和规划中，往往简化［1］了很多条件，并把一些不确定因素加以确定化，导致预测结果的失败。20世纪70年代，丹尼斯·梅多［2］斯(DennisL．Meadows)等人以整个世界为研究对象，建立了所谓的“世界末日模型”，认为“如果维持人口增长率和资源消耗速度不变的话，世界资源将会耗竭”。Hudson和Jorgens

4、on(1974年)、Berndt(1975年)、Jorgenson(1981年)等人在Christensen(1973年)建立的模型基础上进行深入研究，对其进行了不同［3］［4］程度的补充和修正。Griffin(1976年)建立了基于截面组数据的能源需求模型。Beenstock(1981［5］年)、Kouris(1983年)、Bopp(1984年)、Prosser(1985年)等人基于经济学的需求理论，通过分析影响能［6］源需求的因素，建立能源需求函数来分析能源需求。NoelD．Uri(1995年)将

5、气候因素引入能源需求函数，发展了能源需求函数，使之更加接近现实、更具经济意义。［7］国内有关能源需求的理论研究始于20世纪80年代。这一阶段的研究成果主要体现在对能源技术经济问题的研究和对能源需求预测等问题的探讨。近年来，由于能源对经济发展的重要作用，国内学者开始深入研究能源需求与经济发展的关系。林伯强(2003年)利用生产函数建立了能源需求函数，通过分析中国1979－2000年的相关数据认为，GDP增长和工资变动是影响20世纪90年代中期能源需求量变动的主要因素，并且未来中国能源消费结构调整、产业调

6、整等需求因素将决定能源工业的发展。而梁巧梅、魏一鸣等(2004年)将情景分析法和投入产出法相结合，建立了基于投入产出的能源模型和能源强度情景分析模型。他们的研究表明:对能源需求量影响较大的因素是人口因素和收入因素，对能源强度影响最大的因素是科技进步。张明慧、李永峰(2004年)对引入能源、资本、就业人数、GDP的对数生产函数*收稿日期:2010－05－26基金项目:国家软科学项目(2006GXQ3D160);陕西省软科学研究计划重点项目(2010KRZ02);陕西省教育厅科学研究计划项目(11JK00

7、57);西安科技大学科研培育基金项目(2010014)通讯作者:郭莉(1975－)，女，陕西西安人，讲师，博士，主要从事能源经济与管理研究．第4期郭莉:基于灰色模型的中国能源需求预测399进行线性回归，得出中国能源对经济增长的促进作用非常明显，能源在经济增长中的作用不容忽视。论文旨在利用灰色模型预测法对中国能源需求进行预测，并从保证中国社会和经济高速、持续、健康发展的角度，提出未来能源开发和利用的相关建议。1灰色模型预测法1．1建模灰色预测模型称为GM模型。由于运用GM的预测过程中，将三大能源的历史数

8、据作为预测依据，因此采用的是GM(1，1)。GM(1，1)表示一阶、单变量的线性动态预测模型，用于时间序列预测的是其离散［8］形式的微分方程型预测模型。其建模步骤如下。构建初始时间序列(0)对于一个变量:如果X有m个相互对应的数据，则可形成一个数列(0)(0)(0)(0)X=(x(1)，x(2)，…，x(m))．(1)(0)这里X为各能源m年的消费量。为削弱时间序列随机性使规律更加明显，采用一次累加，得到弱随机数列，公式为k(1)(0)x(k)=Σx(i