华中地区主要耗煤行业煤炭消费结构预测分析
发布时间：2021-08-30 17:44
为了研究华中地区煤炭消费总量以及火电、冶金、建材和化工行业煤炭消费量,基于无偏灰色（GM）、差分自回归移动平均（ARIMA）、逻辑斯蒂（LOGISTIC）和人工神经网络（ANN）模型,分别构建了各行业组合预测模型,运用相关系数、平均绝对误差、平均相对误差和均方根误差评价指标检验组合模型拟合精度,筛选出各行业最优组合模型并预测2020—2030年各行业消费趋势。研究表明:最优组合模型的R2、MAE、MAPE和RMSE等检验指标均优于单项模型;分别构建了煤炭消费总量预测模型ANN-ARIMA、火电行业预测模型GM-LOGISTIC-ARIMA、冶金行业预测模型ANN-ARIMA、建材行业预测模型ANN-ARIMA、化工行业预测模型ANN-ARIMA。预测2020—2030年华中地区煤炭消费总量和化工行业消费量呈平稳增长趋势,2030年分别达到34 112万t和3 246万t;火电行业呈小幅增长趋势,2030年达到15 229万t;建材行业基本稳定在7 000万t左右;冶金行业将进一步降低,2025年后稳定在2 600万～2 800万t。
【文章来源】：煤炭经济研究. 2020,40(09)
【文章页数】：8 页
【部分图文】：
冶金行业煤炭消费单项模型和最优加权模型拟合效果
型所反年份201920202021202220232024202520262027202820292030总量307303060131428317363196432271325783288533191334983380534112火电141281459714664147261478614844149021496115023150881515615229冶金336530662788269426012616266026992715275328092821建材701870187016701470137013701370137013701470157017化工278928382878291929603001304230833123316432053246图5化工行业煤炭消费单项模型和最优加权模型拟合效果模型类型单项模型组合模型GMANNLOGISTICARIMAGM-ARIMAANN-LOGISTICANN-ARIMALOGISTIC-ARIMA最优权重系数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化工行业煤炭消费单项模型与组合模型拟合精度比较10
2020年第9期图6煤炭消费预测变化趋势映的有效信息，弥补单项模型的缺陷，相关系数、平均绝对误差、平均相对误差和均方根误差等检验指标均优于单项模型，适合华中地区煤炭消费总量和主要行业煤炭消费量的预测分析。2）根据2005—2018年煤炭消费数据，分别构建了权重为（0.10，0.90）的煤炭消费总量预测模型ANN-ARIMA；权重为（0.11，0.59，0.30）的火电行业预测模型GM-LOGISTIC-ARIMA；权重为（0.92，0.08）的冶金行业预测模型ANN-ARIMA；权重为（0.91，0.09）的建材行业预测模型ANN-ARIMA；权重为（0.98，0.02）的化工行业预测模型ANN-ARIMA。3）基于最优加权组合模型，预测未来华中地区煤炭消费总量和化工行业消费量呈平稳增长趋势，2030年分别达到34112万t和3246万t；火电行业呈小幅增长趋势，预计2030年达到15229万t；建材行业呈稳定趋势，稳定在7000万t左右；冶金行业将进一步降低，2025年后稳定在2600万～2800万t。参考文献：[1]李桢.鄂湘赣地区铁路煤炭运输现状及对策分析[J].铁道货运，2016，34（7）：23-28.[2]杜非.蒙华铁路建设对煤炭市场的影响分析[J].中国煤炭，2015，41（8）：27-30.[3]刘程军，周建平，蒋建华，等.区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J].经济地理，2019，39（10）：94-103.[4]吕明.中国煤炭消费预测模型研究与应用[D].北京：北京交通大学，2008.[5]张金锁，冯雪，邹绍辉.基于趋势组合的我国煤炭需求预测模型研究[J].
【参考文献】：
期刊论文
[1]区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J]. 刘程军,周建平,蒋建华,王周元晔. 经济地理. 2019(10)
[2]2025年中国能源消费及煤炭需求预测[J]. 谢和平,吴立新,郑德志. 煤炭学报. 2019(07)
[3]基于最优加权组合模型的煤炭消费预测分析[J]. 杨英明,李全生,方杰. 煤炭工程. 2018(05)
[4]基于分数阶差分ARIMA模型的煤炭消费预测[J]. 刘凯,张晞. 矿业科学学报. 2017(05)
[5]鄂湘赣地区铁路煤炭运输现状及对策分析[J]. 李桢. 铁道货运. 2016(07)
[6]蒙华铁路建设对煤炭市场的影响分析[J]. 杜非. 中国煤炭. 2015(08)
[7]基于BP神经网络的我国煤炭消费和碳排放量预测[J]. 张正球,陈娅. 湖南大学学报(社会科学版). 2015(01)
[8]基于趋势组合的我国煤炭需求预测模型研究[J]. 张金锁,冯雪,邹绍辉. 商业研究. 2014(06)
[9]基于ARMA模型的中国煤炭消费量预测模型研究[J]. 王森. 云南社会主义学院学报. 2014(02)
[10]基于组合预测模型的煤炭消耗预测研究[J]. 吕占海. 中国煤炭. 2012(11)
硕士论文
[1]现代测量数据处理技术在能源需求预测中的应用[D]. 贾波.山东科技大学 2011
[2]中国煤炭消费预测模型研究与应用[D]. 吕明.北京交通大学 2008
本文编号：3373227
【文章来源】：煤炭经济研究. 2020,40(09)
【文章页数】：8 页
【部分图文】：
冶金行业煤炭消费单项模型和最优加权模型拟合效果
型所反年份201920202021202220232024202520262027202820292030总量307303060131428317363196432271325783288533191334983380534112火电141281459714664147261478614844149021496115023150881515615229冶金336530662788269426012616266026992715275328092821建材701870187016701470137013701370137013701470157017化工278928382878291929603001304230833123316432053246图5化工行业煤炭消费单项模型和最优加权模型拟合效果模型类型单项模型组合模型GMANNLOGISTICARIMAGM-ARIMAANN-LOGISTICANN-ARIMALOGISTIC-ARIMA最优权重系数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化工行业煤炭消费单项模型与组合模型拟合精度比较10
2020年第9期图6煤炭消费预测变化趋势映的有效信息，弥补单项模型的缺陷，相关系数、平均绝对误差、平均相对误差和均方根误差等检验指标均优于单项模型，适合华中地区煤炭消费总量和主要行业煤炭消费量的预测分析。2）根据2005—2018年煤炭消费数据，分别构建了权重为（0.10，0.90）的煤炭消费总量预测模型ANN-ARIMA；权重为（0.11，0.59，0.30）的火电行业预测模型GM-LOGISTIC-ARIMA；权重为（0.92，0.08）的冶金行业预测模型ANN-ARIMA；权重为（0.91，0.09）的建材行业预测模型ANN-ARIMA；权重为（0.98，0.02）的化工行业预测模型ANN-ARIMA。3）基于最优加权组合模型，预测未来华中地区煤炭消费总量和化工行业消费量呈平稳增长趋势，2030年分别达到34112万t和3246万t；火电行业呈小幅增长趋势，预计2030年达到15229万t；建材行业呈稳定趋势，稳定在7000万t左右；冶金行业将进一步降低，2025年后稳定在2600万～2800万t。参考文献：[1]李桢.鄂湘赣地区铁路煤炭运输现状及对策分析[J].铁道货运，2016，34（7）：23-28.[2]杜非.蒙华铁路建设对煤炭市场的影响分析[J].中国煤炭，2015，41（8）：27-30.[3]刘程军，周建平，蒋建华，等.区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J].经济地理，2019，39（10）：94-103.[4]吕明.中国煤炭消费预测模型研究与应用[D].北京：北京交通大学，2008.[5]张金锁，冯雪，邹绍辉.基于趋势组合的我国煤炭需求预测模型研究[J].
【参考文献】：
期刊论文
[1]区域创新与区域金融耦合协调的格局及其驱动力——基于长江经济带的实证[J]. 刘程军,周建平,蒋建华,王周元晔. 经济地理. 2019(10)
[2]2025年中国能源消费及煤炭需求预测[J]. 谢和平,吴立新,郑德志. 煤炭学报. 2019(07)
[3]基于最优加权组合模型的煤炭消费预测分析[J]. 杨英明,李全生,方杰. 煤炭工程. 2018(05)
[4]基于分数阶差分ARIMA模型的煤炭消费预测[J]. 刘凯,张晞. 矿业科学学报. 2017(05)
[5]鄂湘赣地区铁路煤炭运输现状及对策分析[J]. 李桢. 铁道货运. 2016(07)
[6]蒙华铁路建设对煤炭市场的影响分析[J]. 杜非. 中国煤炭. 2015(08)
[7]基于BP神经网络的我国煤炭消费和碳排放量预测[J]. 张正球,陈娅. 湖南大学学报(社会科学版). 2015(01)
[8]基于趋势组合的我国煤炭需求预测模型研究[J]. 张金锁,冯雪,邹绍辉. 商业研究. 2014(06)
[9]基于ARMA模型的中国煤炭消费量预测模型研究[J]. 王森. 云南社会主义学院学报. 2014(02)
[10]基于组合预测模型的煤炭消耗预测研究[J]. 吕占海. 中国煤炭. 2012(11)
硕士论文
[1]现代测量数据处理技术在能源需求预测中的应用[D]. 贾波.山东科技大学 2011
[2]中国煤炭消费预测模型研究与应用[D]. 吕明.北京交通大学 2008
本文编号：3373227
本文链接：https://www.wllwen.com/kejilunwen/kuangye/3373227.html
