﻿ 基于组合预测模型的云南省能源消费预测研究 Study on Energy Consumption Prediction in Yunnan Province Based on Combined Prediction Model

Journal of Low Carbon Economy
Vol.03 No.04(2014), Article ID:14958,7 pages
10.12677/JLCE.2014.34005

Study on Energy Consumption Prediction in Yunnan Province Based on Combined Prediction Model

Xiaoxiao Yin

School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming Yunnan

Email: yinxiaoxiao2011@163.com

Received: Mar. 1st, 2015; accepted: Mar. 12th, 2015; published: Mar. 19th, 2015

ABSTRACT

There is a strong relationship between energy and economic development of China, the protection of human health and the environment. It is essential to accurately predict energy consumption. This can provide a scientific basis for decision-making about energy work. Based on the historical data of energy consumption in Yunnan Province, on the basis of the three single prediction model, we establish combined prediction model to make energy predictions in Yunnan Province by non- optimal weighted linear combination model and minimum sum of square error of objective func- tion for optimal weight linear combination model. The prediction results of these models are ana- lyzed and compared. The results show that combined prediction model is performed better. This indicates that the combined prediction model is an useful theoretical tool for energy prediction in Yunnan Province.

Keywords:Single Prediction Model, Combined Prediction Model, Energy Consumption, Predictions

Email: yinxiaoxiao2011@163.com

1. 引言

2. 模型及方法

2.1. 组合预测模型的基本介绍

2.2. 非最优权重线性组合预测模型

1) 分别计算各单一预测模型的均方误差

2) 分别计算各单一预测模型的权重系数

3) 非最优权重线性组合预测模型为：

2.3. 最优权重线性组合预测模型

(1)

3. 实证分析

3.1. 数据来源及说明

3.2. 建立云南省能源消费总量预测模型

3.2.1. 建立单一预测模型

(2)

Figure 1. Scatter graph of total energy consumption

(3)

(4)

(5)

3.2.2. 建立组合预测模型

1) 建立非最优权重线性组合预测模型

a) 根据公式 ()，分别计算二次函数模型、三次曲线模型以及指数模型的均方误差为：

b) 根据公式()，分别计算二次函数模

c) 由a)和b)，得到非最优权重线性组合预测模型为：

(6)

2) 建立最优权重线性组合预测模型

(7)

(8)

3.2.3. 单一预测模型与组合预测模型拟合精度比较

4. 组合预测模型对未来云南省能源消费总量预测的应用

5. 结论

1) 从理论与实际意义上考虑，组合预测模型综合了各个简单模型的全部有用信息，克服了单一预测模型的缺陷，提高了预测的准确程度，能够较全面的描述问题；

2) 未来几年内云南省能源消费总量在持续不断的增加，到2020年将达到16982.4万吨标准煤。随着

Table 1. The absolute value of the average relative error

Table 2. The prediction, actual, absolute value of the relative error from 2008 to 2011

Table 3. Prediction results of energy consumption in Yunnan Province from 2015 to 2019

Study on Energy Consumption Prediction in Yunnan Province Based on Combined Prediction Model. 低碳经济,04,38-45. doi: 10.12677/JLCE.2014.34005

1. 1. 沈满洪, 苏小龙 (2013) 能源低碳化研究文献评述. 低碳经济, 1, 49.

2. 2. 黄宜 (2013) 基于Shapley值的云南省能源消费综合预测方法研究. 能源研究与信息, 1, 57-60.

3. 3. 邓鸿鹄 (2013) 北京市能源消费预测方法比较研究. 硕士论文, 北京林业大学, 北京.

4. 4. 常建娥, 蒋太立 (2007) 层次分析法确定权重的研究. 武汉理工大学学报 • 信息与管理工程版, 1, 153-156.

5. 5. 熊浩云 (2010) 应用组合模型对我国能源消费的预测. 科学技术与工程, 17, 4268-4282.

6. 6. 张志朝 (2009) 组合预测模型在安徽省人均GDP预测中的应用. 广西财经学院学报, 5, 32-35.

7. 7. 江正华 (2014) 基于方差的最优组合赋权模型在网络信息资源评价中的应用. 计算机与应用, 1, 302-308.

8. 8. 云南省统计局 (2011, 2012) 云南省统计年鉴. 中国统计出版社, 北京.