论文部分内容阅读
摘 要:煤炭作为我国第一大能源资源,其需求动态趋势的准确预测,是我国“新常态”经济下制定煤炭发展战略的重要依据。本文运用MATLAB软件建立灰色理论模型、BP神经网络模型和灰色BP神经网络模型,结合1990-2015年的相关数据及指标,对2016-2025年我国煤炭需求量进行预测。结果表明灰色BP神经网络模型预测精度最高,2020年我国煤炭需求量预计将达到45.2亿吨,2025年将达到63.1亿吨,我国煤炭需求量增长速度在未来10年将有所放缓。最后提出加快煤炭供给侧结构性改革和技术创新、抓住“一带一路”发展战略等政策建议。
关键词:煤炭需求量 预测 灰色BP神经网络 灰色理论模型 BP神经网络
煤炭是我国最主要的基础能源,在我国的一次性能源生产和消费结构中,一直占据主导地位,是我国国民经济得以高速、持续、健康发展的重要支柱。近年来,我国煤炭产需量增速明显放缓,逐渐趋于平稳,过剩压力日渐加大。科学有效地对煤炭需求进行预测有利于我国对煤炭产业的供给侧结构性改革,同时为我国制定“一带一路”能源发展战略提供必要的决策依据。本文根据过去26年的统计数据,分别采用灰色理论模型、BP神经网络模型和灰色BP神经网络模型对未来10年我国煤炭产业市场需求量进行预测,结合经济发展等因素综合分析我国煤炭产业的发展前景并提出相关政策建议。
一、预测模型的建立与分析
1.灰色理论预测模型。由邓聚龙教授提出的灰色系统是指部分信息已知,部分信息未知的系统,并建立了灰色系统理论。该方法认为,一般可以用离散的随机数经过数的生成过程,变成随机性明显削弱且较有规律的生成数列,在得到有规律的生成数列的基础上,可以对此变化过程做较长时间的描述。GM(1,1)模型是灰色系统理论最常用的模型,实质是通过对原始数据序列作一次累加生成(1- AGO),使生成数据序列呈现一定规律,从而构造预测模型。GM(1,1)模型具有所需样本数量少、计算简单、可检验等优点,适合于对系统行为特征值大小的发展变化进行短期预测。
2. BP神经网络预测模型。BP人工神经网络模型由输入层、隐含层和输出层三层组成,其核心是通过一边向后传递误差,一边修正误差的方法来不断调节网络参数(权值和阀值),以实现或逼近所希望的输入、输出映射关系。基本步骤是:(1)数据归一化处理;(2)进入循环,计算网络的输出和输出值;(3)误差逆传播;(4)修正权值和阀值;(5)若网络的全局误差小于指定的值,则算法转入第6步,否则转入第2步;(6)计算输出层。BP神经网络预测模型具有对于数据要求的限制较少、中短期预测精准等特点,其非线性模拟能力和泛化能力较强,能够模拟任意的非线性输入输出关系的能力。
3.灰色BP神经网络预测模型。灰色BP神经网络模型是灰色理论模型和传统BP神经网络模型的组合模型。通过灰色理论模型预测煤炭消费量的各项指标,再将各指标预测值作为BP神经网络模型的输入,以煤炭消费量作为输出。因此在灰色BP神经网络模型中,输入向量不只是单纯的影响因素的向量,而是增加了灰色模型预测结果。灰色BP神经网络预测模型结合了两种模型的特性,通过灰色模型的预测误差对神经网络训练过程中权值的修正以及影响因素对煤炭需求的非线性作用,使其预测值与实际值达到最佳拟合。
二、我国煤炭需求预测的实证分析
1.数据来源与指标选取。根据《中国统计年鉴2016》,2015年我国煤炭消耗总量为397014万吨,比上一年下滑3.5%,比2010年增长27.2%。依据我国国民经济发展的状况、能源消费结构的特点以及煤炭消费的变化,本文收集了1990~2015年我国煤炭生产量、GDP增长率、能源消费增长率、煤炭占能源消费总量的比重、燃料购进价格指数、煤炭消费量等6个指标作为预测的数据源(如表1所示)。
2.灰色理论模型预测。运用MATLAB软件建立GM(1,1)模型,对未来10年的煤炭需求量进行预测,原始数据为1990-2015年煤炭消费量,如表1所示。通过MATLAB编程输出预测结果如表2所示。
3.BP神经网络模型预测。本文基于MATLAB建立BP神经网络模型,进行数据检测和预测。预测模型的网络训练输入为1990—2005年的6项预测指标(表1),输出为2000—2015年的煤炭消费量。随机抽取2005年、2010年和2015年的数据作为网络训练完毕后的检验样本,如表3所示,检验结果表明网络模型预测误差较小,能够满足预测要求,保存已经训练好的预测模型,为下一步煤炭需求量预测作准备。通过已经训练好的神经网络预测模型,预测2016—2025年的煤炭需求量如表2所示。
4.灰色BP神经网络模型预测。首先基于MATLAB軟件建立灰色理论模型预测2016-2025年的各项指标;然后建立单隐层神经网络模型,网络训练以1990-2015年的各指标和煤炭消费量分别作为输入和输出,网络训练误差取1.0e-06,训练最大次数取1000次,随机抽取2005年、2010年和2015年的数据作为网络训练完毕后的检验样本;最后保存好已经训练好的网络模型,对未来10年的指标归一化后作为网络输入预测未来10年的煤炭需求量,如表2所示。
如图1所示为三种预测结果与煤炭需求量实际值对比图。灰色理论通过煤炭消费量历史数据生成有规律的数列来描述未来趋势,拟合误差相对较大。BP神经网络模型虽然检测误差较小,但由于部分信息未知而只能采用多步模型预测,即是用10年前的指标来预测未来10年的目标值,从而降低了预测的可信度和精度。而灰色BP神经网络预测既可以解决部分信息未知的缺陷又可以采用多个预测指标综合预测,预测误差最小,精度高,预测结果可信度较高。
三、结论与展望
根据灰色BP神经网络模型预测结果可知,到2020年我国煤炭需求量将达到45.2亿吨,到2025年我国煤炭需求量将达到63.1亿吨。从需求收入弹性值、资源储量、能源结构优化、煤炭进出口等方面对我国煤炭产业发展前景进行综合分析,并得出以下结论及建议: (1)随着经济“新常态”下煤炭产业的供给侧改革,我国经济社会对煤炭需求的强度有所降低,但是“一带一路”战略给煤炭产业带来重大发展机遇,到2020年需求收入弹性值大于1,表明煤炭产业在GDP增长中仍发挥着重要作用。如图2所示,从2003-2012年煤炭消费增长率逐渐减小,2015-2025年煤炭增长率将缓慢增长。
(2)未来煤炭产业需求量对工业经济的主导地位有所减弱,但总体需求量仍呈上升趋势。我国依然存在煤炭资源开发利用技术水平不高、资源破坏浪费严重等问题,使得资源开发和利用方式难以支撑整个经济社会的长足发展。因此要加快煤炭产业技术创新,以煤炭的清洁、高效利用为重点,实施一批煤炭低碳科技创新项目,推进煤炭绿色低碳消费。
(3)预测结果显示,煤炭占能源消费比重逐年降低,因此应积极响应国家对能源的供给侧结构性改革,着力去产能、去库存、去杠杆、降成本、补短板,不断优化能源结构和布局,正确处理需求与供应的关系,有力有序防范化解煤炭产能过剩风险。
(4)自2012年以来,我国煤炭业逐渐陷入困境,产能过剩问题突出。国家“一带一路”战略的实施给煤炭业带来了一次突破性的机遇,进一步开拓国际市场,为国内煤炭企业的“走出去”战略提供平台。因此,应抓住发展机遇,促进煤炭业的国际化发展。
总之,通过灰色BP神经网络模型预测我国未来10年的煤炭需求量较为准確可信,煤炭需求量总体呈上升趋势,预测未来10年年均增长率为5.89%,煤炭占能源消费总量的比重将降至62%左右,煤炭需求量增长有所放缓。我国应将加快煤炭业的供给侧结构性改革和能源技术创新,保障资源供需持续发展。
参考文献:
[1]丁志华. 煤炭价格波动对我国实体经济的影响效应研究[D].中国矿业大学,2011,11.
[2]乐亚乃. 低碳经济下煤炭企业发展战略的 SWOT 分析[J].能源技术与管理,2010(4):166-167.
[3]郝鹏梅. 中国煤炭产业中长期发展趋势预测[J]. 中国煤炭,2012,38(8):5-8.
[4]李长生. 黑龙江省煤炭产业发展模式研究[D].哈尔滨工程大学,2006,07.
[5]周振民,刘荻. 基于 Matlab的人工神经网络用水量预测模型[J]. 中国农村水利水电,2007(4):45-49.
[6]王立杰,孙继湖. 基于灰色系统理论的煤炭需求预测模型[J].煤炭学报,2002,27(3):333-336.
[7]崔东文,郭荣.BP神经网络模型与灰色 GM(1,1)模型在需水预测中的应用[J]. 水资源研究,2012,33(3):19-22.
[8]许国根,贾瑛编著.模式识别与智能计算的MATLAB实现[M].北京:北京航空航天大学出版社,2012,07.
[9]蒋蓉华,曹琦. 基于灰色BP神经网络的企业人力资源需求预测[J]. 中国人力资源开发,2011(11):42-46.
[10]胡雪棉,赵国浩.基于Matlab的BP神经网络煤炭需求预测模型[J].中国管理科学,2008(10):521-525.
作者简介:黎星池(1988—)女。贵州瓮安人。贵州师范学院经济与政治学院。助教。硕士研究生。研究方向:产业经济。
关键词:煤炭需求量 预测 灰色BP神经网络 灰色理论模型 BP神经网络
煤炭是我国最主要的基础能源,在我国的一次性能源生产和消费结构中,一直占据主导地位,是我国国民经济得以高速、持续、健康发展的重要支柱。近年来,我国煤炭产需量增速明显放缓,逐渐趋于平稳,过剩压力日渐加大。科学有效地对煤炭需求进行预测有利于我国对煤炭产业的供给侧结构性改革,同时为我国制定“一带一路”能源发展战略提供必要的决策依据。本文根据过去26年的统计数据,分别采用灰色理论模型、BP神经网络模型和灰色BP神经网络模型对未来10年我国煤炭产业市场需求量进行预测,结合经济发展等因素综合分析我国煤炭产业的发展前景并提出相关政策建议。
一、预测模型的建立与分析
1.灰色理论预测模型。由邓聚龙教授提出的灰色系统是指部分信息已知,部分信息未知的系统,并建立了灰色系统理论。该方法认为,一般可以用离散的随机数经过数的生成过程,变成随机性明显削弱且较有规律的生成数列,在得到有规律的生成数列的基础上,可以对此变化过程做较长时间的描述。GM(1,1)模型是灰色系统理论最常用的模型,实质是通过对原始数据序列作一次累加生成(1- AGO),使生成数据序列呈现一定规律,从而构造预测模型。GM(1,1)模型具有所需样本数量少、计算简单、可检验等优点,适合于对系统行为特征值大小的发展变化进行短期预测。
2. BP神经网络预测模型。BP人工神经网络模型由输入层、隐含层和输出层三层组成,其核心是通过一边向后传递误差,一边修正误差的方法来不断调节网络参数(权值和阀值),以实现或逼近所希望的输入、输出映射关系。基本步骤是:(1)数据归一化处理;(2)进入循环,计算网络的输出和输出值;(3)误差逆传播;(4)修正权值和阀值;(5)若网络的全局误差小于指定的值,则算法转入第6步,否则转入第2步;(6)计算输出层。BP神经网络预测模型具有对于数据要求的限制较少、中短期预测精准等特点,其非线性模拟能力和泛化能力较强,能够模拟任意的非线性输入输出关系的能力。
3.灰色BP神经网络预测模型。灰色BP神经网络模型是灰色理论模型和传统BP神经网络模型的组合模型。通过灰色理论模型预测煤炭消费量的各项指标,再将各指标预测值作为BP神经网络模型的输入,以煤炭消费量作为输出。因此在灰色BP神经网络模型中,输入向量不只是单纯的影响因素的向量,而是增加了灰色模型预测结果。灰色BP神经网络预测模型结合了两种模型的特性,通过灰色模型的预测误差对神经网络训练过程中权值的修正以及影响因素对煤炭需求的非线性作用,使其预测值与实际值达到最佳拟合。
二、我国煤炭需求预测的实证分析
1.数据来源与指标选取。根据《中国统计年鉴2016》,2015年我国煤炭消耗总量为397014万吨,比上一年下滑3.5%,比2010年增长27.2%。依据我国国民经济发展的状况、能源消费结构的特点以及煤炭消费的变化,本文收集了1990~2015年我国煤炭生产量、GDP增长率、能源消费增长率、煤炭占能源消费总量的比重、燃料购进价格指数、煤炭消费量等6个指标作为预测的数据源(如表1所示)。
2.灰色理论模型预测。运用MATLAB软件建立GM(1,1)模型,对未来10年的煤炭需求量进行预测,原始数据为1990-2015年煤炭消费量,如表1所示。通过MATLAB编程输出预测结果如表2所示。
3.BP神经网络模型预测。本文基于MATLAB建立BP神经网络模型,进行数据检测和预测。预测模型的网络训练输入为1990—2005年的6项预测指标(表1),输出为2000—2015年的煤炭消费量。随机抽取2005年、2010年和2015年的数据作为网络训练完毕后的检验样本,如表3所示,检验结果表明网络模型预测误差较小,能够满足预测要求,保存已经训练好的预测模型,为下一步煤炭需求量预测作准备。通过已经训练好的神经网络预测模型,预测2016—2025年的煤炭需求量如表2所示。
4.灰色BP神经网络模型预测。首先基于MATLAB軟件建立灰色理论模型预测2016-2025年的各项指标;然后建立单隐层神经网络模型,网络训练以1990-2015年的各指标和煤炭消费量分别作为输入和输出,网络训练误差取1.0e-06,训练最大次数取1000次,随机抽取2005年、2010年和2015年的数据作为网络训练完毕后的检验样本;最后保存好已经训练好的网络模型,对未来10年的指标归一化后作为网络输入预测未来10年的煤炭需求量,如表2所示。
如图1所示为三种预测结果与煤炭需求量实际值对比图。灰色理论通过煤炭消费量历史数据生成有规律的数列来描述未来趋势,拟合误差相对较大。BP神经网络模型虽然检测误差较小,但由于部分信息未知而只能采用多步模型预测,即是用10年前的指标来预测未来10年的目标值,从而降低了预测的可信度和精度。而灰色BP神经网络预测既可以解决部分信息未知的缺陷又可以采用多个预测指标综合预测,预测误差最小,精度高,预测结果可信度较高。
三、结论与展望
根据灰色BP神经网络模型预测结果可知,到2020年我国煤炭需求量将达到45.2亿吨,到2025年我国煤炭需求量将达到63.1亿吨。从需求收入弹性值、资源储量、能源结构优化、煤炭进出口等方面对我国煤炭产业发展前景进行综合分析,并得出以下结论及建议: (1)随着经济“新常态”下煤炭产业的供给侧改革,我国经济社会对煤炭需求的强度有所降低,但是“一带一路”战略给煤炭产业带来重大发展机遇,到2020年需求收入弹性值大于1,表明煤炭产业在GDP增长中仍发挥着重要作用。如图2所示,从2003-2012年煤炭消费增长率逐渐减小,2015-2025年煤炭增长率将缓慢增长。
(2)未来煤炭产业需求量对工业经济的主导地位有所减弱,但总体需求量仍呈上升趋势。我国依然存在煤炭资源开发利用技术水平不高、资源破坏浪费严重等问题,使得资源开发和利用方式难以支撑整个经济社会的长足发展。因此要加快煤炭产业技术创新,以煤炭的清洁、高效利用为重点,实施一批煤炭低碳科技创新项目,推进煤炭绿色低碳消费。
(3)预测结果显示,煤炭占能源消费比重逐年降低,因此应积极响应国家对能源的供给侧结构性改革,着力去产能、去库存、去杠杆、降成本、补短板,不断优化能源结构和布局,正确处理需求与供应的关系,有力有序防范化解煤炭产能过剩风险。
(4)自2012年以来,我国煤炭业逐渐陷入困境,产能过剩问题突出。国家“一带一路”战略的实施给煤炭业带来了一次突破性的机遇,进一步开拓国际市场,为国内煤炭企业的“走出去”战略提供平台。因此,应抓住发展机遇,促进煤炭业的国际化发展。
总之,通过灰色BP神经网络模型预测我国未来10年的煤炭需求量较为准確可信,煤炭需求量总体呈上升趋势,预测未来10年年均增长率为5.89%,煤炭占能源消费总量的比重将降至62%左右,煤炭需求量增长有所放缓。我国应将加快煤炭业的供给侧结构性改革和能源技术创新,保障资源供需持续发展。
参考文献:
[1]丁志华. 煤炭价格波动对我国实体经济的影响效应研究[D].中国矿业大学,2011,11.
[2]乐亚乃. 低碳经济下煤炭企业发展战略的 SWOT 分析[J].能源技术与管理,2010(4):166-167.
[3]郝鹏梅. 中国煤炭产业中长期发展趋势预测[J]. 中国煤炭,2012,38(8):5-8.
[4]李长生. 黑龙江省煤炭产业发展模式研究[D].哈尔滨工程大学,2006,07.
[5]周振民,刘荻. 基于 Matlab的人工神经网络用水量预测模型[J]. 中国农村水利水电,2007(4):45-49.
[6]王立杰,孙继湖. 基于灰色系统理论的煤炭需求预测模型[J].煤炭学报,2002,27(3):333-336.
[7]崔东文,郭荣.BP神经网络模型与灰色 GM(1,1)模型在需水预测中的应用[J]. 水资源研究,2012,33(3):19-22.
[8]许国根,贾瑛编著.模式识别与智能计算的MATLAB实现[M].北京:北京航空航天大学出版社,2012,07.
[9]蒋蓉华,曹琦. 基于灰色BP神经网络的企业人力资源需求预测[J]. 中国人力资源开发,2011(11):42-46.
[10]胡雪棉,赵国浩.基于Matlab的BP神经网络煤炭需求预测模型[J].中国管理科学,2008(10):521-525.
作者简介:黎星池(1988—)女。贵州瓮安人。贵州师范学院经济与政治学院。助教。硕士研究生。研究方向:产业经济。