能源是经济增长和社会发展的重要物质基础,是国家和地区经济发展的重要保障。改革开放四十年来,我国经济取得了突飞猛进的增长,年均增长率达到9.5%,占全球经济的比重由1.8%上升到15.2%。但由于经济发展步伐的加快,能源消耗量也日益增加,中国已成为世界上第二大能源消费国家。同时,以煤炭为主的能源消费结构,使得我国经济在飞速发展的同时造成了环境的严重污染。辽宁省作为东北老工业基地,资源丰富,且具有巨大能源消费量。近年来,辽宁省供需矛盾严重,能源紧缺,能源需要从外省调入,同时辽宁省能源消费结构比较单一,能源利用率远远低于全国平均水平,这严重制约了辽宁省的经济发展。2015年受经济转型的冲击,辽宁省经济总量排名从1978年的全国第二下降到2015年的第十,2015年辽宁省名义GDP增长率为-2.0%。因此,如何加快转变经济发展模式,走低碳发展道路,实现可持续发展,是辽宁省首要考虑的问题。在《辽宁省“十三五”节能减排综合工作实施方案》提出的总体发展目标中,有一项为:到2020年,单位地区生产总值能耗比2015年降低15%,能源消费增量不超过3550万吨标准煤。为了实现辽宁省能源、经济与环境的均衡发展,实现辽宁省“十三五”节能减排方案提出的节能目标,就必须分析影响能源消费量的主要因素,预测辽宁省未来能源消费情况,在此基础上制定科学合理的能源规划和相关政策。本文针对辽宁省能源供需矛盾日益突出的现状,在定性分析辽宁省能源消费情况及其影响因素的基础上,使用灰色关联法定量筛选影响能源消费总量的因素,使用辽宁省1984-2017年的能源与经济社会统计数据,构建传统灰色模型与支持向量机模型,并应用粒子群算法对支持向量机模型进行优化,以期找到支持向量机的最优参数组合,对辽宁省2020年能源消费量进行预测;并将预测结果与辽宁省“十三五”节能减排目标进行对比,在此基础上提出政策建议。本文通过研究主要得出以下结论:①对能源消费量变动影响最大的因素为经济水平,其次是城镇化水平、居民消费水平、产业结构、人口规模、能源消费结构、能源强度。采用灰色关联法定量分析各指标变量和能源消费量之间的关系,发现七个指标变量与能源消费量之间均存在显著关联性,灰色关联度排序为:经济水平>城镇化水平>居民消费水平>产业结构>人口规模>能源消费结构>能源强度;②粒子群优化支持向量机的模型预测精度最高且最稳定。基于辽宁省1984-2010年数据分别建立灰色模型、支持向量机模型、粒子群优化支持向量机模型,对辽宁省2011-2017年能源消费量进行模拟预测,来验证模型准确性。验证结果表明,灰色模型预测结果最差,平均相对误差为11.49%,预测精度相对不稳定,且灰色模型在做趋势外推时,模型增长的趋势会越来越明显,导致后期模型的预测值会大于实际值;支持向量机预测的平均相对误差为5.95%;粒子群优化支持向量机预测的平均相对误差为4.19%,预测精度和稳定性最好;③如果参与模型计算的各项指标按规划文件的既定目标发展,使用粒子群优化支持向量机的能源消费模型预测得出:2020年辽宁省能源消费总量为21619.0万吨标准煤,能源消费增量控制在了 3550万吨范围之内;在此预测场景下,2020年辽宁省单位GDP能耗为2.04万吨标准煤/亿元,较2015年下降26.6%,达到“十三五”节能减排目标值15%。本文有以下创新之处:①目前国内学者对能源消费预测的研究大多以全国为研究对象,对省、市能源消费量进行预测的学者较少。本文则是针对辽宁省能源消费现状,对辽宁省2020年能源消费量进行预测研究,并对辽宁省“十三五”节能目标能否实现进行测算;②目前较多的研究是探讨能源消费与一个或两个影响因素之间的相关关系,本文则是通过定性和定量（灰色关联）的方法,选取经济水平、产业结构、能源消费结构、城镇化水平、人口规模、能源强度、居民消费水平作为能源消费的影响因素,进行后面的建模研究;③构建新型的能源消费预测模型。支持向量机在预测方面己经被广泛应用,对于小样本数据支持向量机模型预测精度较好,但针对能源消费问题的研究不是很多,且支持向量机模型本身存在对参数值敏感、参数难以确定的问题。本文选择了使用粒子群算法对支持向量机的参数（惩罚参数C、不敏感系数p以及核宽度d）迭代寻找最优组合来提高模型的预测精度,构建基于粒子群优化支持向量机的能源消费预测模型。