煤炭是我国最主要的能源,煤炭在国民经济生活中起着至关重要的作用,煤炭供应短缺会影响国民经济的稳定和发展,煤炭过剩又会波及到煤炭行业自身的健康发展,煤炭生产与需求相适应才是市场经济发展的终极追求。所以,科学有效地预测煤炭需求有利于加快我国煤炭行业的科学发展,也有利于调整我国的能源结构,对我国社会与经济的可持续发展有重大意义。煤炭需求预测是从现有的煤炭、经济、社会这个大系统综合出发,采用分析研究历史数据、探寻煤炭需求及其影响因素之间的规律和关系,并对未来的煤炭需求进行预测。煤炭需求预测大致可分为两类:一类是采用单一模型预测,二是采用组合模型预测。由于煤炭需求系统的复杂性与非线性特点,单一模型不能很好地对其进行预测,所以有必要采用组合预测方法。组合预测能综合利用各单项模型所提供的有效信息,从而提高了预测精度,该方法的关键是确定各单项预测模型的权重;组合权重又可分为不变权重和时变权重。不变权重的确定方法已较为成熟,但是不变权重的组合预测方法很难适应现实预测中复杂多变的特征,无法合理反应单项预测模型“时好时坏”的现象。时变权重随时间变化而改变,能有效地反应各单项预测模型的变化情况,而时变权重的研究起步比较晚,确定较为困难。贝叶斯方法能有效地确定时变权重,它可以清楚地表示信息更新过程,自适应性及动态调整性较强,能适应时变权重随时间变化的特点。贝叶斯组合预测方法不仅可以充分利用各个预测模型所提供的实际信息,而且可以有效的将主观信息与模型或数据信息结合起来。这对动态性地更新模型的权重有重要意义。在众多贝叶斯组合预测模型中最为典型的是贝叶斯模型平均组合预测方法,它以每个备用模型的后验概率作为权重对所有备用模型的单项预测值进行加权平均,从而得到组合预测估计值;由于考虑了所有可能的单项模型,并以后验概率即更新后的权重,作为判断模型优劣的标准,从而有效处理了模型的不确定性问题。本文对基于边际似然的贝叶斯模型平均组合预测方法做了进一步拓展,运用最大似然替代边际似然计算单项模型的后验概率,克服了边际似然过度依赖于先验信息的难题。同时,将给定样本数据分为特征样本和监测样本,使基于最大似然的贝叶斯模型平均组合预测方法对于适时动态性地更新组合权重有重大意义。最后,运用该方法对短期煤炭需求进行了组合预测。研究结果表明,表现突出的单项模型被赋予了较高的权重,最大似然确定的组合权重与模型选择具有渐近性,且预测精度相对较高。