中国2020—2030年石油资源需求情景预测

发布时间：2021-03-11 17:34

　　石油对保障国家能源安全发挥着重要作用,科学预测未来中国石油需求量,对中国能源政策制定具有重要意义。结合灰色关联分析与ARIMA-BP神经网络组合模型,选取1999—2018年中国GDP、国际石油价格、单位GDP能耗、产业结构、城镇化率和石油生产量等6个驱动变量数据,对中国2020—2030年石油需求进行情景预测。结果表明:选取的驱动变量与中国石油需求具有较高的关联性,且组合模型较单一模型预测精度高。2020—2030年中国石油需求量和进口量不断增加,但增长幅度逐渐减缓。3种情景下2020年、2025年和2030年预测的石油需求量均值分别为67 577.03万t、73 227.25万t和76 081.55万t;2020—2030年预测的平均对外依存度为76.19%,远超过50%的国际警戒线。中国石油供需矛盾将更加尖锐,据此提出针对性的政策建议。 

【文章来源】：地球科学进展. 2020,35(03)北大核心

【文章页数】：11 页

【部分图文】：

中国石油需求量ACF检验

中国石油需求量PACF检验

ARIMA模型参数

【参考文献】：
期刊论文
[1]基于BP神经网络误差校正的ARIMA组合预测模型[J]. 吴晓峰,杨颖梅,陈垚彤.  统计与决策. 2019(15)
[2]美国石油崛起推动世界石油格局重大变化下中国能源安全的风险及对策[J]. 梁海峰,李颖.  中国矿业. 2019(07)
[3]基于ARIMA和BP神经网络的猪舍氨气浓度预测[J]. 刘春红,杨亮,邓河,郭昱辰,李道亮,段青玲.  中国环境科学. 2019(06)
[4]基于ARIMA和BP神经网络组合模型的能源消费预测[J]. 谢小军,邱云兰,时凌.  数学的实践与认识. 2019(10)
[5]BP神经网络在富钾卤水中的应用研究[J]. 陈科贵,李进,黄长兵,陈愿愿,王刚,刘阳.  地球科学进展. 2018(06)
[6]基于灰色神经网络的中国2020—2030年铬矿需求预测[J]. 郑明贵,袁雪梅.  资源开发与市场. 2018(06)
[7]开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例[J]. 吴青龙,王建明,郭丕斌.  资源科学. 2018(05)
[8]基于交通部门“S”形模型的全球石油需求展望[J]. 刘固望,闫强,羊建波.  资源科学. 2018(03)
[9]不同区制工业化水平下的石油消费分析——基于Path-STR模型的实证研究[J]. 柴建,梁婷,周友洪,汪寿阳,黎建强.  中国管理科学. 2017(11)
[10]产业结构、石油需求及经济增长间关联的实证检验[J]. 石俊,刘先涛.  统计与决策. 2017(01)



本文编号：3076810