资源描述：
《基于组合模型能源需求预测.pdf》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、中国人口#资源与环境2010年第20卷第4期CHINAPOPULATION,RESOURCESANDENVIRONMENTVol.20No.42010*基于组合模型的能源需求预测周扬吴文祥胡莹刘秀香(中国科学院地理科学与资源研究所,北京100101)摘要能源是人类生存和发展的重要物质基础,也是当今国际政治、经济、军事、外交关注的焦点。能源需求预测是合理制定能源规划的基础。能源需求预测的模型很多,总的来说,可以分为单一模型预测和组合模型预测。本文在分析几种常用单一模型的优缺点和适用范围的基础上,建立BP神经网络
2、与灰色GM的优化组合模型,对江苏省未来十五年煤炭和石油的需求量进行预测。结果表明:¹随着经济的发展,未来江苏省对煤炭和石油的需求量逐渐增加,其中煤炭从2008年的19601.39万t标准煤增加到2020年的25615.26万t标准煤,年均增长率为1.81%;石油从2008年的2628.64万t标准煤增加到2020年的3532.60万t标准煤,年均增长率为1.36%;º基于BP网络与GM(1,1)的组合模型克服了单一模型的缺点,实现了优化组合模型/过去一段时间内组合预测误差最小0的原则,且预测结果误差较小,不仅
3、适用于能源的中长期预测,还可以推广到其他领域。关键词组合模型;需求预测;BP神经网络;灰色模型中图分类号TK01文献标识码A文章编号1002-2104(2010)04-0063-06doi:10.3969/j.issn.1002-2104.2010.04.011能源需求预测,是通过能源供需的历史和现状,预测上,首先用历史数据建立GM(1,1)模型、动态等维灰数递未来的能源需求状况。能源需求预测是制定能源发展战补GM(1,1)模型、无偏GM模型、基于滑动平均法改进的略的基础,其预测结果的好坏直接与国家或地方经济
4、发展GM(1,1)模型及BP网络模型。然后根据这几种单一模型息息相关,因此,做好能源需求预测对经济发展和社会的的预测结果,建立BP与GM的优化组合模型,并对江苏省稳定有着重要意义。国外主要运用时间序列、混沌动力学未来15年煤炭和石油的需求量进行预测,以期为江苏省理论及BESON模型、DESON模型、PILOT模型等对能源需制定能源规划提供科学依据。求量及能源消费与经济增长之间的关系进行了预测分1预测模型的建立和分析[1-4]析;国内能源需求预测大致可分为两类:一是采用单一模型预测;二是充分利用各种单一模型的信
5、息,采用组1.1灰色GM(1,1)模型[5]合模型预测。单一模型中较常用的是灰色理论预测和利用灰色GM(1,1)模型建模,首先需将规律性不慎明[6,7]0人工神经网络预测。由于能源消费系统存在复杂性及显的离散序列{X(i)}i=1,2,,,n,用累加生成变换近似非线性特征,单一模型不能很好的对其进行预测。组合预按指数规律变化生成序列i测是通过一定的数学运算,对所得到的众多单一预测模型(1)(0)X(i)=EX(k)i=1,2,,,n(1)k=1结果进行组合,得到一个包含各种模型预测信息的新预测然后利用生成序列
6、构造灰色常微分方程模型。实证表明:组合模型预测精度高于用单一模型预测dP[X]+aP[X]=u(2)时的精度。目前常见组合模型有:灰色GM与BP网络的上式中的dP[X]是灰导数,P[X]是灰数,分别表示[8,9]组合模型、偏最小二乘回归与GM(1,1)优化组合建立第i点的灰度和灰导数值,则(2)式可变形成[10]组合模型(GM-PLS);非线性回归与灰色预测优化组合(1)(1)1(1)(1)[11][12]X-X(i-1)+a[X(i)+X(i-1)]预测模型;AHP与GM(1,1)组合模型;GM(1,1)与
7、2[13]ANN优化组合预测模型等。本文在分析BP网络模型、=ui=2,3,,,n(3)灰色系统模型及其改进模型的优缺点和适用范围的基础于是由(1)、(2)、(3)式可推导出收稿日期:2009-07-27作者简介:周扬,硕士生,主要研究方向为能源需求预测及可再生能源潜力评估。*国家科技支撑计划课题(No.2006BAD20B06)资助。#63#中国人口#资源与环境2010年第4期(0)1(1)(1)(4)利用新数列式(9)重新建立GM(1,1)模型,对模型X(i)+a[X(i)+X(i-1)]=ui=2,3,
8、,,n(4)2参数进行修正,对精度进行检验,转步骤2。重复此过程,记直到完成预测目的为止。(0)X(2)在用普通GM(1,1)进行长期预测时,预测值的灰(0)X(3)Yn=,区间过大,精度随时间的延伸也逐渐降低,其主要原因,是在模型应用过程中灰参数是静态的、固定的,忽视了(0)X(n)[14]其具动态变化特征。从灰平面上看,真正具有实际1(1)(1)-[X(2)+X(1)]12意义的、精度较高的预测
