本文關(guān)鍵詞：京津冀能源需求預(yù)測分析及發(fā)展對策研究　出處：《天津理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 能源需求 組合預(yù)測 對策建議 京津冀

【摘要】：能源是經(jīng)濟(jì)發(fā)展和社會進(jìn)步不可或缺的重要物質(zhì)基礎(chǔ),是人類各種活動順利進(jìn)行的保證。京津冀協(xié)同發(fā)展是國家重大發(fā)展戰(zhàn)略,也是國家經(jīng)濟(jì)發(fā)展的重要核心區(qū)域。在經(jīng)濟(jì)快速發(fā)展的同時,能源的保證是必不可少的。能源需求預(yù)測是能源規(guī)劃和政策制定的基礎(chǔ),分析京津冀區(qū)域能源需求有助于政府準(zhǔn)確制定能源政策,保障京津冀經(jīng)濟(jì)可持續(xù)健康發(fā)展。能源需求預(yù)測方法很多,這些方法考慮問題角度不同,各有其優(yōu)缺點,但它們之間不是相互排斥的,而是相互兼容、相互補充的。因此,Bates和Grange提出了組合預(yù)測思想。組合預(yù)測方法能夠有效保留單項預(yù)測方法的有價值的數(shù)據(jù)信息,相比單一預(yù)測方法,具有更高的預(yù)測精度,并可以增強預(yù)測的穩(wěn)定性。然而目前的能源需求組合預(yù)測文獻(xiàn)中,對于如何選取單一預(yù)測方法,單一預(yù)測方法的數(shù)量沒有依據(jù),且組合的形式大都停留在線性組合或者是簡單的非線性組合形式,且非線性組合的權(quán)系數(shù)確定困難,計算復(fù)雜。針對這些問題,本文做了以下研究工作:第一,本文系統(tǒng)研究了能源需求的影響因素,分析了經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、人口與城市化、能源消費結(jié)構(gòu)、技術(shù)進(jìn)步、居民消費水平、能源價格及環(huán)境政策等影響因素與能源需求的相關(guān)關(guān)系。第二,本文提出了選取單一預(yù)測方法的基本原則,即主觀與客觀相結(jié)合、線性模型與非線性模型相結(jié)合、單一預(yù)測方法的數(shù)量要適度等原則�；谝陨显瓌t本文選取了ARIMA模型(客觀線性模型)、灰色預(yù)測方法(客觀非線性模型)、多元回歸(主觀線性模型)、二次非線性能源需求預(yù)測模型(主觀非線性模型)及灰色神經(jīng)網(wǎng)絡(luò)模型(主觀非線性模型)等5種預(yù)測方法,并對模型進(jìn)行了改進(jìn)。第三,本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的非線性組合預(yù)測模型。BP神經(jīng)網(wǎng)絡(luò)是非線性映射模型,權(quán)重可以在網(wǎng)絡(luò)訓(xùn)練中確定,避免了計算權(quán)重困難的問題。第四,針對神經(jīng)網(wǎng)絡(luò)收斂速度慢,易收斂到局部極值等問題,采用混沌遺傳算法對神經(jīng)網(wǎng)絡(luò)性能進(jìn)行優(yōu)化�；煦邕z傳算法具有收斂速度快、全局搜索能力強、適合參數(shù)優(yōu)化等特點,通過混沌遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò),能大幅提升網(wǎng)絡(luò)性能,從而提高預(yù)測精度。最后,利用組合模型對京津冀能源需求進(jìn)行預(yù)測,2015年至2020年京津冀能源需求總量分別為4.48、4.62、4.75、4.90、5.04、5.17億噸標(biāo)準(zhǔn)煤,并給出了京津冀能源發(fā)展對策建議。
[Abstract]:Energy is an important indispensable material basis for economic development and social progress, is the guarantee for human activities. The Beijing Tianjin Hebei coordinated development is a major national development strategy, but also the national economic development an important core area. In the rapid economic development, energy guarantee is essential. The energy demand forecast is the basis of energy planning and policy the analysis of Beijing Tianjin Hebei regional energy demand will help the government to develop accurate energy policy, protection of Beijing Tianjin Hebei economic sustainable and healthy development. Many methods of energy demand forecasting, these methods consider the problem from different angles, each has its advantages and disadvantages, but they are not mutually exclusive, but are compatible with each other, complement each other. Therefore, Bates and Grange put forward the thought of combination forecasting. The combination forecasting method can effectively preserve the prediction method of single valuable data information, compared to a single The prediction method has higher prediction accuracy, and can enhance the prediction stability. However, the energy demand forecasting literature, how to choose a single prediction method, the number of single forecasting methods without the basis, and the combination of the form of stay in linear combination or nonlinear combination of simple form, and the weight coefficient of nonlinear the combination was difficult to determine, the complexity of the computation. To solve these problems, this paper does the following research work: first, this paper studies the factors affecting energy demand analysis, economic growth, industrial structure, population and city, energy consumption structure, technological progress, consumption level, energy prices and environmental policy related effects the factors and energy demand. In second, this paper puts forward the basic principles of selecting a single prediction method, which is a combination of subjective and objective, linear model and nonlinear model. With the number of single forecasting methods to moderate principles. These principles were selected based on the ARIMA model (objective linear model), grey prediction method (objective nonlinear model), multivariate regression (subjective linear model), two nonlinear energy demand forecast model (subjective nonlinear model) and grey neural network model (subjective nonlinear model 5) prediction method, and the model is improved. Third, this paper proposes a nonlinear BP neural network combination forecasting model based on.BP neural network is a nonlinear mapping model, the weights can be determined in network training, avoiding the problem of weight calculation difficult. Fourth, according to the neural network slow convergence speed, easy convergence to the local extremum problem, using chaos genetic algorithm to optimize the performance of neural network. The chaos genetic algorithm has fast convergence and global search ability, suitable for parameter optimization So, through the optimization of neural network chaotic genetic algorithm, can greatly enhance the performance of the network, so as to improve the prediction accuracy. Finally, forecast of the energy demand of Beijing Tianjin Hebei using the combination model, the total energy demand from 2015 to 2020 in Beijing Tianjin Hebei were 4.48,4.62,4.75,4.90,5.04,5.17 million tons of standard coal, and gives the Beijing Tianjin Hebei energy development countermeasures.

【學(xué)位授予單位】：天津理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F426.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;世界能源需求持續(xù)上升[J];江西能源;1998年04期

2 ;世界能源需求持續(xù)上升[J];江西能源;1999年01期

3 ;中國擬抑制能源需求[J];中亞信息;2013年Z1期

4 周大地;我國實現(xiàn)全面小康的能源需求[J];宏觀經(jīng)濟(jì)研究;2003年11期

5 ;能源需求持續(xù)上升[J];現(xiàn)代制造;2006年16期

6 ;新能源需求創(chuàng)造機遇——工業(yè)和政界領(lǐng)袖在“世界能源對話論壇”上展開討論[J];變頻器世界;2008年05期

7 ;未來25年全球能源需求翻一番各國爭搶新能源[J];工具技術(shù);2010年10期

8 楊凱;;淺析影響我國能源需求的因素[J];現(xiàn)代經(jīng)濟(jì)信息;2012年22期

9 季仙華;趙少欽;;新形勢下的能源需求穩(wěn)中求升[J];改革與開放;2013年05期

10 孟令俊;;影響我國能源需求的因素分析[J];商場現(xiàn)代化;2013年06期

相關(guān)會議論文 前3條

1 何傳啟;張鳳;;中國經(jīng)濟(jì)現(xiàn)代化的能源需求[A];中國經(jīng)濟(jì)現(xiàn)代化戰(zhàn)略——第三期中國現(xiàn)代化研究論壇論文集[C];2005年

2 解三明;顧基發(fā);;中國的能源需求和經(jīng)濟(jì)可持續(xù)發(fā)展分析[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

3 張岐山;;能源需求的灰色預(yù)測方法[A];2002年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2002年

相關(guān)重要報紙文章 前10條

1 王英斌;歐盟能源需求到2050年或減少2/3[N];中國能源報;2013年

2 亞太博宇;2004年中國對能源需求將繼續(xù)擴大[N];中國電力報;2004年

3 劉曉莉 張澤遠(yuǎn);未來15年我國能源需求將持續(xù)快速擴大[N];現(xiàn)代物流報;2006年

4 陳忠華;山西啟動公路電煤“綠色通道”[N];中國改革報;2008年

5 新華;能源發(fā)展報告預(yù)測我國能源需求增速回落[N];中國石化報;2009年

6 王英斌;專家稱馬能源需求 2040年將增長50%[N];中國能源報;2012年

7 本報記者 孟凡君;未來我國能源需求增速放緩[N];中國工業(yè)報;2012年

8 國務(wù)院發(fā)展研究中心市場經(jīng)濟(jì)研究所副所長 鄧郁松;2013年能源需求增速將回升[N];中國經(jīng)濟(jì)時報;2013年

9 本報記者 張舒雅;創(chuàng)新發(fā)展思路 直面能源需求挑戰(zhàn)[N];中國石油報;2013年

10 記者 王曄君;新四化刺激 2030年將迎能源需求高峰[N];北京商報;2013年

相關(guān)博士學(xué)位論文 前2條

1 李艷梅;中國城市化進(jìn)程中的能源需求及保障研究[D];北京交通大學(xué);2007年

2 白瑋;民用建筑能源需求與環(huán)境負(fù)荷研究[D];同濟(jì)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 鐘慶;工業(yè)園區(qū)能源需求計算方法研究[D];重慶大學(xué);2016年

2 虞亞平;京津冀能源需求預(yù)測分析及發(fā)展對策研究[D];天津理工大學(xué);2017年

3 周靜;北京市能源需求的統(tǒng)計分析與政策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2007年

4 趙鵬;中國城市化進(jìn)程對能源需求的影響研究[D];南京財經(jīng)大學(xué);2013年

5 殷慧慧;中日韓能源需求與經(jīng)濟(jì)增長相關(guān)關(guān)系比較研究[D];延邊大學(xué);2014年

6 伍秀君;廣東省能源需求預(yù)測分析及能源發(fā)展對策研究[D];暨南大學(xué);2007年

7 袁海蔚;中國生活能源需求的實證分析[D];重慶大學(xué);2009年

8 鄭林;基于灰色理論的安徽省能源需求預(yù)測分析[D];安徽工業(yè)大學(xué);2016年

9 楊輝;對黑龍江省能源需求預(yù)測分析的幾點思考[D];貴州大學(xué);2008年

10 李科;能源需求的結(jié)構(gòu)突變模型及其實證研究[D];湖南大學(xué);2005年

，

本文編號：1386332