北京市能源消费影响因素分析及短期预测

发布时间：2021-04-28 20:18

　　中共中央和国务院印发通知,决定在河北雄安设立新区。这是以习近平同志为核心的党中央作出的一项重大的历史性战略选择,雄安新区的设立是面对北京市人口密集和资源短缺问题的重要举措,这也进一步说明在北京市社会得到全面发展的同时,对能源的需求量也逐渐增多,而与此同时,对北京经济发展的能源供应的限制变得越来越明显。因此,针对北京市能源消费的进行影响因素分析和短期预测就显得十分有必要了。本文首先分析了北京地区能源消费总量与地区生产总值、能源消费品种、产业结构和能源效率等因素之间的关系。然后,针对影响北京能源消耗的因素进行主成分分析。通过分析可以看出影响北京能源消费的主要因素是第三产业的发展、能源消费的多样性和经济的发展水平。接下来使用了决策树进行了进一步的分析。本文根据人均地区生产总值、城镇化率和第三产业比重等13个输入变量的值构造一个相适应的模型,来预测北京市能源消费总量的大致范围,并以树形结构呈现。最后,针对北京市能源消费建立了灰色模型、随机时间序列模型以及多元线性模型,通过比较各个模型的预测精度,得出预测北京市能源消费总量的最佳模型是ARIMA（1,2,1）。在此基础上,对北京市2019-202... 

【文章来源】：河北经贸大学河北省

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究的背景
    1.2 研究的意义
    1.3 国内外研究现状
    1.4 问题的提出
    1.5 本文研究结构与内容
2 北京市能源消费情况影响因素分析
    2.1 北京市能源消费现状与变化
        2.1.1 能源消费增速减缓
        2.1.2 万元地区生产总值能耗递减
        2.1.3 能源消费结构变革
    2.2 北京市能源消费影响因素与消费量相关性分析
        2.2.1 经济发展之间与北京市能源消费的关系
        2.2.2 能源消费品种结构的变化对能源消费量的影响
        2.2.3 行业和产业结构调整对能源消费的影响
        2.2.4 能源利用效率对能源消费量的影响
    2.3 对北京市能源消费进行主成分分析
    2.4 构建决策树模型分析特征节点
        2.4.1 数据预处理
        2.4.2 对“分组消费量”变量建立分类树
        2.4.3 对测试集预测目标变量
    2.5 北京市能源消费主要影响因素
3 北京市能源消费总量预测
    3.1 北京市能源消费总量多元回归模型
        3.1.1 回归分析的基本理论
        3.1.2 变量选取与模型建立
        3.1.3 模型的检验
        3.1.4 模型的结构及拟合精度
    3.2 北京市能源消费总量时间序列模型
        3.2.1 ARIMA模型的基本理论
        3.2.2 平稳性检验和白噪声检验
        3.2.3 北京市能源消费总量时间序列模型的确定
        3.2.4 北京市能源消费总量ARIMA(1,2,1)模型的拟合精度
    3.3 北京市能源消费总量GM(1,1)模型
        3.3.1 灰色模型理论
        3.3.2 样本数据选取
        3.3.3 模型的确定
        3.3.4 北京市能源消费总量GM(1,1)模型的拟合精度
    3.4 模型精度比较
    3.5 构建模型选择与预测未来五年北京能源消耗总量
4 结论及展望
参考文献
附录A 本文相关数据来源
附录B 模型运行程序
后记
攻读学位期间取得的科研成果清单


【参考文献】：
期刊论文
[1]“十三五”时期北京市能源消费总量及结构变化趋势预测[J]. 肖宏伟.  中国能源. 2015(07)
[2]基于主成分分析与支持向量机的能源需求预测方法[J]. 崔庆安.  统计与决策. 2013(17)
[3]基于logistic模型的经济增长与能源消费预测分析——以天津“十二五”期间为例[J]. 陈曦,武力超.  发展研究. 2010(05)
[4]北京市能源消费和经济增长关系的弹性分析[J]. 雷鸣,贠晓哲.  经济研究导刊. 2009(28)
[5]中国能源消费系统预测模型的构建[J]. 高新才,仵雁鹏.  统计与决策. 2009(05)
[6]中国省域能源消费的空间计量经济分析[J]. 吴玉鸣,李建霞.  中国人口.资源与环境. 2008(03)
[7]ARIMA模型在我国能源消费预测中的应用[J]. 刘勇,汪旭晖.  经济经纬. 2007(05)
[8]北京市能源消费情况及国内外比较分析[J]. 黄毅,张荣娟.  数据. 2007(Z1)
[9]基于灰色预测和神经网络的人口预测[J]. 赖红松,祝国瑞,董品杰.  经济地理. 2004(02)

博士论文
[1]基于关联规则与决策树的预测方法研究及其应用[D]. 伊卫国.大连海事大学 2012

硕士论文
[1]北京市能源消费预测方法比较研究[D]. 邓鸿鹄.北京林业大学 2013



本文编号：3166108