基于时间序列分析的我国能源需求的预测.pdf

管 基于时间序列分析的我国能源需求的预测 1 2 (1.西安财经学院；2.陕西省宝鸡扶风县人民医院) 陈文浩 王晓芬 摘要：随着世界主要能源价格的大幅上涨和中国经济的强劲上升，中国 能源需求已成为世界关注的焦点。本文利用时间序列分析方法中的自回归求 和ARIMA 模型，对我国1963- 2008 年的能源消费总量数据进行了实证分 析，构建了能源消费总量数据预测模型，以此准确地预测我国能源需求，最后 证明该模型能够很好的描述我国能源消费总量的动态演变规律，并且s 在此 基础上对我国未来的能源需求进行了短期预测，同时，给出了结论及建议。 关键词：能源需求 预测 ARIMA 模型 时间序列分析 0 引言 我国能源资源的基本特点———富煤、贫油、少气，决定了煤炭在 一次能源中的重要地位，长期以来能源结构以煤为主，造成能源效率 低。能源问题不仅是一个重大的技术、经济问题，而且已成为一个严 重的政治问题。中国要解决能源危机问题必须同时注重开源和节流， 而在能源总量既定的情况下节流就显得更加重要。近几年，我国所出 现的能源紧张，主要是由于需求过大引起的，因此，我们有必要对中 能源消费量的拟合值存在较大偏差。下表（表3- 1）为2000- 2008 年 国的能源需求进行研究，建立能源需求预测模型，从而为我国制订能 的能源消费量的实际值和预测值，可以很清楚地看到，实际值与预测值 源发展战略、规划部署提供可靠的依据。 直接误差很小，所以，所建模型拟合度显著、预测能力很强。 1 模型简介 3.2 动态预测 表3-1 2000-2008 年我国能源消费总量 计量单位：万吨标准煤 ARIMA 模型基本思想是：对于非平稳的时间序列，用若干次差 年份 实际值 预测值 误差 分（或称为“求和”）使其成为平稳序列，再将此序列表示成关于序列 2000 138553 138495.8 57.2 直到过去某一时刻的自回归模型和关于白噪声的移动平均模型的组 2001 143199 144864.0 - 1665.0 合。其中ARIMA （p，d，q）模型中，AR 是自回归，p 为自回归项数， 2002 151797 152204.3 - 407.3 MA 为移动平均，q 为移动平均项数，d 为时间序列平稳化时所做的 2003 174990 168541.1 6448.9 差分次数。ARIMA （p，d，q）模型一般的表达式为： 2004 203227 202028.8 1198.2 2005 224682 224566.1 115.9 （2- 1） 2006 246270 246852.1 - 582.1 其中，X 是原始序列，在这些理论基础上，一旦ARIMA 模型被 2007 265583 269718.6 - 4135.6 t 识别后就可以根据时间序列的过去值及现在值来预测未来值。 2008 285000 283674.2 1325.8