為了研究華中地區(qū)煤炭消費總量以及火電、冶金、建材和化工行業(yè)煤炭消費量,基于無偏灰色（GM）、差分自回歸移動平均（ARIMA）、邏輯斯蒂（LOGISTIC）和人工神經(jīng)網(wǎng)絡（ANN）模型,分別構建了各行業(yè)組合預測模型,運用相關系數(shù)、平均絕對誤差、平均相對誤差和均方根誤差評價指標檢驗組合模型擬合精度,篩選出各行業(yè)最優(yōu)組合模型并預測2020—2030年各行業(yè)消費趨勢。研究表明:最優(yōu)組合模型的R2、MAE、MAPE和RMSE等檢驗指標均優(yōu)于單項模型;分別構建了煤炭消費總量預測模型ANN-ARIMA、火電行業(yè)預測模型GM-LOGISTIC-ARIMA、冶金行業(yè)預測模型ANN-ARIMA、建材行業(yè)預測模型ANN-ARIMA、化工行業(yè)預測模型ANN-ARIMA。預測2020—2030年華中地區(qū)煤炭消費總量和化工行業(yè)消費量呈平穩(wěn)增長趨勢,2030年分別達到34 112萬t和3 246萬t;火電行業(yè)呈小幅增長趨勢,2030年達到15 229萬t;建材行業(yè)基本穩(wěn)定在7 000萬t左右;冶金行業(yè)將進一步降低,2025年后穩(wěn)定在2 600萬～2 800萬t。 

【文章來源】：煤炭經(jīng)濟研究. 2020,40(09)

【文章頁數(shù)】：8 頁

【部分圖文】：

冶金行業(yè)煤炭消費單項模型和最優(yōu)加權模型擬合效果

型所反年份201920202021202220232024202520262027202820292030總量307303060131428317363196432271325783288533191334983380534112火電141281459714664147261478614844149021496115023150881515615229冶金336530662788269426012616266026992715275328092821建材701870187016701470137013701370137013701470157017化工278928382878291929603001304230833123316432053246圖5化工行業(yè)煤炭消費單項模型和最優(yōu)加權模型擬合效果模型類型單項模型組合模型GMANNLOGISTICARIMAGM-ARIMAANN-LOGISTICANN-ARIMALOGISTIC-ARIMA最優(yōu)權重系數(shù)0.57：0.430.02：0.980.98：0.020.88：0.12R20.980.990.990.990.990.990.990.99MAE84233910155382335MAPE4.39%1.17%1.84%5.24%2.77%1.83%1.16%1.71%RMSE102275011876492748表6化工行業(yè)煤炭消費單項模型與組合模型擬合精度比較10

2020年第9期圖6煤炭消費預測變化趨勢映的有效信息，彌補單項模型的缺陷，相關系數(shù)、平均絕對誤差、平均相對誤差和均方根誤差等檢驗指標均優(yōu)于單項模型，適合華中地區(qū)煤炭消費總量和主要行業(yè)煤炭消費量的預測分析。2）根據(jù)2005—2018年煤炭消費數(shù)據(jù)，分別構建了權重為（0.10，0.90）的煤炭消費總量預測模型ANN-ARIMA；權重為（0.11，0.59，0.30）的火電行業(yè)預測模型GM-LOGISTIC-ARIMA；權重為（0.92，0.08）的冶金行業(yè)預測模型ANN-ARIMA；權重為（0.91，0.09）的建材行業(yè)預測模型ANN-ARIMA；權重為（0.98，0.02）的化工行業(yè)預測模型ANN-ARIMA。3）基于最優(yōu)加權組合模型，預測未來華中地區(qū)煤炭消費總量和化工行業(yè)消費量呈平穩(wěn)增長趨勢，2030年分別達到34112萬t和3246萬t；火電行業(yè)呈小幅增長趨勢，預計2030年達到15229萬t；建材行業(yè)呈穩(wěn)定趨勢，穩(wěn)定在7000萬t左右；冶金行業(yè)將進一步降低，2025年后穩(wěn)定在2600萬～2800萬t。參考文獻：[1]李楨.鄂湘贛地區(qū)鐵路煤炭運輸現(xiàn)狀及對策分析[J].鐵道貨運，2016，34（7）：23-28.[2]杜非.蒙華鐵路建設對煤炭市場的影響分析[J].中國煤炭，2015，41（8）：27-30.[3]劉程軍，周建平，蔣建華，等.區(qū)域創(chuàng)新與區(qū)域金融耦合協(xié)調的格局及其驅動力——基于長江經(jīng)濟帶的實證[J].經(jīng)濟地理，2019，39（10）：94-103.[4]呂明.中國煤炭消費預測模型研究與應用[D].北京：北京交通大學，2008.[5]張金鎖，馮雪，鄒紹輝.基于趨勢組合的我國煤炭需求預測模型研究[J].

【參考文獻】：
期刊論文
[1]區(qū)域創(chuàng)新與區(qū)域金融耦合協(xié)調的格局及其驅動力——基于長江經(jīng)濟帶的實證[J]. 劉程軍,周建平,蔣建華,王周元曄.  經(jīng)濟地理. 2019(10)
[2]2025年中國能源消費及煤炭需求預測[J]. 謝和平,吳立新,鄭德志.  煤炭學報. 2019(07)
[3]基于最優(yōu)加權組合模型的煤炭消費預測分析[J]. 楊英明,李全生,方杰.  煤炭工程. 2018(05)
[4]基于分數(shù)階差分ARIMA模型的煤炭消費預測[J]. 劉凱,張晞.  礦業(yè)科學學報. 2017(05)
[5]鄂湘贛地區(qū)鐵路煤炭運輸現(xiàn)狀及對策分析[J]. 李楨.  鐵道貨運. 2016(07)
[6]蒙華鐵路建設對煤炭市場的影響分析[J]. 杜非.  中國煤炭. 2015(08)
[7]基于BP神經(jīng)網(wǎng)絡的我國煤炭消費和碳排放量預測[J]. 張正球,陳婭.  湖南大學學報(社會科學版). 2015(01)
[8]基于趨勢組合的我國煤炭需求預測模型研究[J]. 張金鎖,馮雪,鄒紹輝.  商業(yè)研究. 2014(06)
[9]基于ARMA模型的中國煤炭消費量預測模型研究[J]. 王森.  云南社會主義學院學報. 2014(02)
[10]基于組合預測模型的煤炭消耗預測研究[J]. 呂占海.  中國煤炭. 2012(11)

碩士論文
[1]現(xiàn)代測量數(shù)據(jù)處理技術在能源需求預測中的應用[D]. 賈波.山東科技大學 2011
[2]中國煤炭消費預測模型研究與應用[D]. 呂明.北京交通大學 2008



本文編號：3373227