本文關(guān)鍵詞：北京市能源消費預測方法比較研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：能源是人類生存和發(fā)展的重要物質(zhì)保障。隨著經(jīng)濟發(fā)展和人們生活的需要,人類對能源消費的需求不斷增長,在全球范圍內(nèi)出現(xiàn)了能源緊缺的現(xiàn)象。北京是我國第二大能源消耗城市,每年消耗的能源總量在不斷增長,而其自身又是一個能源資源匱乏的城市,能源對外依存度很高,由此產(chǎn)生的能源供需矛盾日益嚴重。因此做好北京市能源消費總量的預測工作具有十分重要的意義。目前學術(shù)界中有多種能源消費預測方法,不同的預測方法往往具有不同的精度和特點,然而很少有學者在研究能源消費預測時對不同的預測方法進行比較,因此如何從眾多方法中挑選最合適的方法來預測北京市能源消費總量也是一個亟待解決的問題。 基于此,本文分析了北京市能源消費情況,在比較常用能源消費預測方法的基礎(chǔ)上,選取了趨勢外推法、回歸分析法、時間序列法、灰色預測法、RBF神經(jīng)網(wǎng)絡(luò)法、BP神經(jīng)網(wǎng)絡(luò)法及Elman神經(jīng)網(wǎng)絡(luò)法來構(gòu)建北京市能源消費總量預測模型,并選取部分年份作為檢驗樣本進行預測精度檢驗。隨后使用平均相對誤差絕對值、均方誤差和泰爾不等系數(shù)及檢驗樣本的實際相對誤差絕對值對7個單一預測模型進行擬合精度和預測精度比較,得到的結(jié)論是：BP神經(jīng)網(wǎng)絡(luò)、ARIMA(1,1,1)模型和Elman神經(jīng)網(wǎng)絡(luò)模型的擬合精度和預測精度均相對最高�？紤]到組合模型所具備的優(yōu)點,在比較現(xiàn)有組合方法的基礎(chǔ)上,使用BP神經(jīng)網(wǎng)絡(luò)、ARIMA(1,1,1)模型和Elman神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了基于均方誤差非最優(yōu)權(quán)重組合法的組合模型一和基于最小誤差平方和為目標函數(shù)最優(yōu)權(quán)重線性組合法的組合模型二,并分別選取檢驗樣本數(shù)據(jù)進行預測精度檢驗。在比較分析了組合模型和單一模型的整體擬合精度和效果后,得到的結(jié)論為：組合模型能夠綜合利用各單一模型的信息,提高預測工作中的整體精度,且能使預測精度保持在相對穩(wěn)定的范圍內(nèi),使得模型的擬合及預測效果具有較強的穩(wěn)定性；組合模型二優(yōu)于組合模型一。最后使用ARIMA(1,1,1)模型、BP神經(jīng)網(wǎng)絡(luò)模型、Elman神經(jīng)網(wǎng)絡(luò)模型和組合模型二對北京市2012-2020年能源消費總量發(fā)展趨勢進行了預測。
【關(guān)鍵詞】：北京市能源消費總量 常用預測方法 組合預測方法 預測方法比較
【學位授予單位】：北京林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F426.2;F224
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 1 緒論10-18
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外能源預測方法研究綜述11-15
• 1.3 研究思路、技術(shù)路線及研究內(nèi)容15-17
• 1.3.1 研究思路15
• 1.3.2 技術(shù)路線15-16
• 1.3.3 研究內(nèi)容16-17
• 1.4 數(shù)據(jù)來源及分析軟件17
• 1.5 本章小節(jié)17-18
• 2 北京市能源消費狀況分析18-25
• 2.1 北京市能源消費總量情況分析18-19
• 2.2 北京市各產(chǎn)業(yè)能源消費情況分析19-20
• 2.3 北京市主要能源品種消費情況分析20-24
• 2.3.1 煤炭消費分析20-21
• 2.3.2 電力消費分析21-22
• 2.3.3 天然氣消費分析22-23
• 2.3.4 各類油制品消費分析23-24
• 2.4 本章小節(jié)24-25
• 3 能源消費預測方法比較和選擇25-31
• 3.1 能源消費預測方法的比較25-29
• 3.2 北京市能源消費總量預測方法的選擇29-30
• 3.3 本章小節(jié)30-31
• 4 北京市能源消費總量單一預測模型的建模與比較31-57
• 4.1 能源消費總量概念界定31
• 4.2 北京市能源消費總量趨勢外推模型建模分析31-34
• 4.2.1 樣本數(shù)據(jù)及模型表達式的選取31-32
• 4.2.2 北京市能源消費總量趨勢外推模型的確定32-34
• 4.2.3 北京市能源消費總量趨勢外推模型擬合精度分析34
• 4.3 北京市能源消費總量回歸分析模型建模分析34-38
• 4.3.1 變量選取與模型建立34-35
• 4.3.2 參數(shù)檢驗與模型修正35-37
• 4.3.3 北京市能源消費總量多元回歸模型的確定37
• 4.3.4 北京市能源消費總量多元回歸模型擬合精度分析37-38
• 4.4 北京市能源消費總量隨機時間序列模型建模分析38-42
• 4.4.1 單位根檢驗和白噪聲檢驗38-40
• 4.4.2 北京市能源消費總量隨機時間序列模型確定40-41
• 4.4.3 北京市能源消費總量ARIMA(1,1,1)模型擬合精度分析41-42
• 4.5 北京市能源消費總量GM(1,1)模型建模分析42-47
• 4.5.1 樣本數(shù)據(jù)選取42-43
• 4.5.2 模型擬合及參數(shù)檢驗43-46
• 4.5.3 模型修正及樣本數(shù)據(jù)修正46
• 4.5.4 北京市能源消費總量GM(1,1)模型的確定46-47
• 4.5.5 北京市能源消費總量GM(1,1)模型擬合精度分析47
• 4.6 北京市能源消費總量RBF神經(jīng)網(wǎng)絡(luò)法建模分析47-49
• 4.6.1 北京市能源消費總量RBF神經(jīng)網(wǎng)絡(luò)模型構(gòu)建47-49
• 4.6.2 北京市能源消費總量RBF神經(jīng)網(wǎng)絡(luò)模型擬合精度分析49
• 4.7 北京市能源消費總量BP神經(jīng)網(wǎng)絡(luò)法建模分析49-52
• 4.7.1 北京市能源消費總量BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建49-51
• 4.7.2 北京市能源消費總量BP神經(jīng)網(wǎng)絡(luò)模型擬合精度分析51-52
• 4.8 北京市能源消費總量ELMAN神經(jīng)網(wǎng)絡(luò)法建模分析52-53
• 4.8.1 北京市能源消費總量Elman神經(jīng)網(wǎng)絡(luò)模型構(gòu)建52
• 4.8.2 北京市能源消費總量Elman神經(jīng)網(wǎng)絡(luò)模型擬合精度分析52-53
• 4.9 北京市能源消費總量單一預測模型精度比較分析53-56
• 4.9.1 常用精度評價指標介紹和比較53-54
• 4.9.2 北京市能源消費總量單一模型擬合精度比較分析54-55
• 4.9.3 北京市能源消費總量單一模型預測樣本精度比較分析55-56
• 4.10 本章小節(jié)56-57
• 5 北京市能源消費總量組合預測模型的建模與比較57-65
• 5.1 常用構(gòu)建組合模型方法的比較與選擇57-58
• 5.1.1 常用構(gòu)建組合模型方法的比較57
• 5.1.2 北京市能源消費總量組合預測模型的方法選擇57-58
• 5.2 北京市能源消費總量組合模型一的建模分析與擬合精度分析58-60
• 5.2.1 北京市能源消費總量組合模型一的建模分析58-59
• 5.2.2 北京市能源消費總量組合模型一的擬合精度和預測樣本精度分析59-60
• 5.3 北京市能源消費總量組合模型二的建模分析與擬合精度分析60-62
• 5.3.1 北京市能源消費總量組合模型二的建模分析60-61
• 5.3.2 北京市能源消費總量組合模型二的擬合精度和預測樣本精度分析61-62
• 5.4 組合模型與單一預測模型的對比分析62-63
• 5.5 本章小節(jié)63-65
• 6 北京市能源消費總量預測分析65-67
• 7 結(jié)論與展望67-69
• 7.1 結(jié)論67
• 7.2 展望67-69
• 參考文獻69-71
• 個人簡介71-72
• 導師簡介72-73
• 獲得成果目錄清單73-74
• 致謝74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周仲禮,馮文新,龔灝,雍自權(quán),劉樹根;基于小波神經(jīng)網(wǎng)絡(luò)模型的中國能耗預測[J];成都理工大學學報(自然科學版);2005年05期

2 楊波;趙遵廉;陳允平;韓啟業(yè);;基于小波變換的邊際電價神經(jīng)網(wǎng)絡(luò)預測新模型[J];電力系統(tǒng)自動化;2007年12期

3 顧潔;應用小波分析進行短期負荷預測[J];電力系統(tǒng)及其自動化學報;2003年02期

4 徐軍華,劉天琪;基于小波分解和人工神經(jīng)網(wǎng)絡(luò)的短期負荷預測[J];電網(wǎng)技術(shù);2004年08期

5 馮述虎,侯運炳;基于時序分析與神經(jīng)網(wǎng)絡(luò)的能源產(chǎn)量預測模型[J];遼寧工程技術(shù)大學學報;2003年02期

6 許榮勝;基于灰色系統(tǒng)理論的我國石油消費需求預測研究[J];國際石油經(jīng)濟;2005年04期

7 梁巧梅,魏一鳴,范英,Norio Okada;中國能源需求和能源強度預測的情景分析模型及其應用[J];管理學報;2004年01期

8 李泓澤;郭森;王寶;;北京市能源消費與生產(chǎn)的灰色關(guān)聯(lián)分析及能源需求預測[J];能源技術(shù)經(jīng)濟;2012年05期

9 李博;靳取;;三種能源需求預測方法的比較分析——以四川省為例[J];吉林工商學院學報;2009年01期

10 劉勇;汪旭暉;;ARIMA模型在我國能源消費預測中的應用[J];經(jīng)濟經(jīng)緯;2007年05期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 孫群;全國能源需求問題預測的若干方法及其比較[D];安徽大學;2010年

2 任麗娜;基于Elman神經(jīng)網(wǎng)絡(luò)的中期電力負荷預測模型研究[D];蘭州理工大學;2007年

  本文關(guān)鍵詞：北京市能源消費預測方法比較研究，由筆耕文化傳播整理發(fā)布。

本文編號：342922