各种预测模型在全国能源消耗总量中的应用 091124104 丁灯摘要: 能源影响着我国社会经济的稳定持续发展, 对未来能源消耗的准确预测具有重要的意义。本文以我国 1978-2008 年的全国能源消耗总量数据为基础,建立了 ARIMA 预测模型、灰色预测模型、三次多项式预测模型和基于这三种模型的组合模型,并进行了精度比较,最后选择最优的组合预测模型对 2009-2011 年的全国能源消耗总量进行预测。关键词: ARIMA 模型;灰色预测模型;三次多项式;组合模型;能源消耗 1 引言: 能源是提高的重要物质基础,能源短缺曾经长期制约我国经济的发展。近几年由于能源工业的发展,短缺局面虽然得到了缓解, 但从长远来看能源供需形势仍然非常严峻,因此做好未来能源消费预测分析,为能源规划及政策的制定提供科学的依据,对于保持我国社会经济健康、持续、稳定发展具有重要的理论与现实意义。本文利用《中国统计年鉴》得到 31 期全国能源消耗总量 y 的时间序列如下表一所示: 表一:全国能源消耗总量(单位:万吨标准煤) 年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 y57144 58588 60275 59447 62067 66040 70904 76682 80850 年份 1987 1988 1989 1990 1991 1992 1993 1994 1995 y86632 92997 96934 98703 103783 109170 115993 122737 131176 年份 1996 1997 1998 1999 2000 2001 2002 2003 2004 y138948 137798 132214 133831 年份 2005 2006 2007 2008 y224682 246270 265583 285000 2 预测方法介绍 ARIMA 模型的基本原理 ARIMA 模型是 Box 和 Jenkins1970 年提出的以随机理论为基础的时间序列分析方法,又称为“ Box-Jenkins 模型”, 这以模型在经济领域的预测分析中得到了广泛的应用。时间序列是依赖时间 t的一组随机变量,构成该时序的单个序列值虽然具有不确定性,但对整个时间序列来说,它的变化却有一定的规律性,可以用相应的数学模型来近似描述。 ARIMA 模型有三种基本类型:自回归模型、移动平均模型、单整自回归移动平均模型。单整是指将一个时间序列有非平稳性变为平稳性所要经过的差分的次数,这是对非平稳时间序列进行时间序列分析的必经步骤。假设一个随机过程含有 d 个单位根,其经过 d次差分之后可以变换为一个平稳的自回归移动平均过程。则该随机过程称为单整自回归移动平均模型。模型中 AR 称为自回归分量,P为自回归分量的阶数; MA 为移动平均分量, q 为移动平均分量的阶数; I 为差分, d 为使时间序列具有平稳性所需要的差分次数。 p阶自回归过程 AR(p) 的一般表达式为: 1 1 2 2 t t t p t p t X X X X ? ? ??? ?
统计预测与决策论文 来自淘豆网m.daumloan.com转载请标明出处.
