我国煤炭消费与经济增长关系的多变量协整分析

以我国1980-2005年实际数据为样本对我国煤炭消费进行协整分析,协整检验结果说明煤炭消费与国内生产总值(GDP)、结构变化和效率之间存在长期均衡关系.建立的误差修正模型符合反向修正机制,说明煤炭消费短期波动不会影响其长期均衡关系,该模型适合于煤炭消费的短期预测.Granger因果关系检验揭示了GDP、效率分别对煤炭消费量存在单向的Granger因果关系.正交脉冲响应和方差分解分析说明GDP和产业结构变化对煤炭消费具有持续的正影响,而效率对煤炭消费具有持续的负影响.     

组合模型在江苏能源消费预测中的应用

鉴于能源消费系统的复杂性及非线性的特征,先利用江苏省能源消费量的历史数据,分别采用灰色预测模型和非线性模型预测了江苏省2004-2015年的能源消耗量,并对单项模型的优缺点进行了比较分析。然后,采用最小化方差的办法进行权重分配,建立了江苏省未来能源消费量的组合预测模型,并应用该模型对江苏省2004-2015年的能源消费量又进行了预测。结果表明,与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠。     

基于灰色理论的我国石油消费主要影响因素分析

近些年,石油安全已经成为重要的国家问题,不断出现的石油危机,影响到了国家的经济和人们的生活。石油消费是决定石油安全与否的两个方面之一,而影响石油消费的因素众多。本文经过借鉴前人文献,结合新形势下世界石油市场的特点,提取了8个影响我国石油消费的主要因素;并结合近10年的的统计数据,运用灰色理论进行分析。结果表明,影响石油消费的因素依次为:石油价格、人均GDP、煤消费量、民用汽车拥有量、石油产量、GDP、第二、三产业比重、人口。在措施方面,文章认为,应提高石油利用效率、节能降耗等,以降低石油消费量。     

21世纪我国主要能源消费的灰色关联研究

本文根据2000年以来若干年的我国能源消费总量和分行业消费数据,以及主要高碳能源——煤、石油、天然气的消费情况,应用灰色关联理论进行分析,寻找各类行业能源消费的情况,分析能源消耗结构特征。得到不同行业与能源消费量的关联关系,找出对各类能源消费量的影响程度,并在此基础上,提出相应建议。     

基于ARIMA模型的我国能源消费结构趋势分析与预测

本文运用ARIMA模型,对我国2020年前的能源消费总量及煤炭消费总量、非化石能源消费总量进行了预测,对我国能源结构现状及未来能源结构发展趋势进行了分析.预测结果表明,ARI-MA模型对能源消费量进行预测效果较好,可以作为能源消费量预测的工具.我国能源消费总量持续增大,调整经济结构和节能减排依然是我国今后经济发展的主要任务.按照目前的用能习惯和清洁能源的建设速度,煤炭仍将是我国未来的主要能源,其比例将一直在70%左右;非化石能源的比例在2020年的预测结果为11.9%,与我国提出的15%的目标还有一定的差距.论文提出我国应加快实现煤炭的清洁利用、优化煤炭定价机制、着力调整能源消费结构和加快清洁能源建设的建议.     

锰消费规律探讨及中国未来锰需求预测

锰是重要的基础性矿产资源,主要应用于钢铁工业。对锰资源需求形势的准确把握,是制定科学合理的锰产业政策及规划的前提。本文分析了美国、日本等典型国家近100年的锰消费历史,发现人均锰资源消费与人均GDP之间存在明显的倒“U”形规律,厘定了锰资源消费的起飞点、转折点和零增长点。同时,还分析了典型国家锰消费与粗钢生产的内在关系,发现两者存在较强的线性关系。本文运用锰消费倒“U”形规律和锰-钢线性关系两种方法预测了未来中国锰的需求量。通过两种方法获得的预测结果相互验证,具有较强的一致性。基于锰需求倒“U”形规律中的参考情境下,判断2016～2017年中国锰消费量已达到峰值,为1 180万t,人均锰消费量为8.4kg/人。最后,对中国未来锰需求进行中长期尺度上的定量预测,为我国未来锰资源开发规模与产业结构调整提供支撑。     

基于智能计算的铁矿石消费预测

为了提高铁矿石消费量的预测精度,采用一种基于智能计算的时间序列预测方法。该方法首先对粒子群算法进行改进,然后利用它的全局寻优能力优化RBF神经网络的关键参数,最后了建立铁矿石的消费预测模型。实验结果表明：与其他预测方法相比,该方法预测精度较高,为铁矿石消费预测提供了一种新途径。     

我国石油进口量预测及其安全保障研究

石油是我国重要能源资源,其储量不足、产量较低、消费需求激增等因素造成我国长期依靠进口的局面。基于GM(1,1)模型对我国2012-2020年的石油进口量进行预测,并提出保障我国石油资源安全的对策。     

基于最优加权组合模型的煤炭消费预测分析

为了研究最优的煤炭消费预测模型,为我国能源结构优化提供依据,基于差分自回归移动平均(ARIMA)、灰色预测(GM)和人工神经网络(ANN)模型构建了8个组合预测模型,对我国煤炭消费量进行预测分析,应用评价指标R、MAE、MAPE和RMSE对预测模型精度进行比较,筛选出最优组合模型并预测分析未来10年我国煤炭消费趋势。研究结果表明:(1)最优加权组合模型均方根误差、平均绝对误差、平均相对误差等参数均较小,预测效果明显优于单项和简单组合预测模型;(2)构建了权重为(0.73,0.09,0.18)的我国煤炭消费预测最优加权组合模型ARIMA-GM-ANN。(3)将煤炭消费增长趋势分为"缓慢上升期"、"急速增长期"、"下降期"和"平稳期"四个阶段,2013年煤炭消费量达峰,约43.14亿t,2020年以后,煤炭消费量稳定在35.5亿t左右。     

中国锂矿资源需求预测

我国锂矿资源较丰富,主要为盐湖卤水型和矿物型两种锂矿床类型。但是我国的锂矿资源供应能力较差,对外依存度较高。2017年,我国碳酸锂消费量高达12.47万t,占全球消费量的52.48%,已经成为全球碳酸锂消费量最大的国家。本文利用部门消费法,按照行业用锂量对我国锂电池行业、玻璃行业、陶瓷行业、润滑脂行业以及空气处理行业5个主要用锂部门需求进行了预测,并对其他用锂部门进行了预测。预测结果显示:我国未来锂电池行业需求将呈几何级增长,玻璃行业与陶瓷行业稳步增长,其他行业保持缓慢增长的态势,并得出我国未来锂矿资源的需求量分别为2020年19万t、2025年31万t、2030年50万t。对于这种严峻的消费形势,提出了我国未来锂矿资源勘查开发、技术手段的研究及战略布局方向的问题,并给出加大勘查力度、增加科研投入以及全球战略合理布局的解决办法。     

回采工作面瓦斯涌出BP神经网络分源预测模型及应用

基于回采工作面瓦斯涌出分源涌出，利用人工神经网络分别预测开采煤层、邻近煤层、采空区3种来源的瓦斯涌出量；因3种来源瓦斯涌出量的影响因素不同，为了避免不相关因素的干扰，提高预测精度，确定整个预测体系由开采层、邻近层、采空区等3个瓦斯涌出量预测神经网络组成，对每个涌出源分别建立神经网络预测模型；最后采用Matlab中BP神经网络算法，针对实际矿井进行应用，预测误差小.     

Dynamic prediction of gas emission based on wavelet neural network toolbox

This paper presents a method for dynamically predicting gas emission quantity based on the wavelet neural network (WNN) toolbox. Such a method is able to predict the gas emission quantity in adjacent subsequent time intervals through training the WNN with even time-interval samples. The method builds successive new model with the width of sliding window remaining invariable so as to obtain a dynamic prediction method for gas emission quantity. Furthermore, the method performs prediction by a self-developed WNN toolbox. Experiments indicate that such a model can overcome the deficiencies of the traditional static prediction model and can fully make use of the feature extraction capability of wavelet base function to reflect the geological feature of gas emission quantity dynamically. The method is characterized by simplicity, flexibility, small data scale, fast convergence rate and high prediction precision. In addition, the method is also characterized by certainty and repeatability of the predicted results. The effectiveness of this method is confirmed by simulation results. Therefore, this method will exert practical significance on promoting the application of WNN.     

矿井瓦斯涌出量预测的模糊分形神经网络研究

将模糊控制技术、分形理论中的时间序列分析方法与神经网络技术有机地结合起来，并运用于矿井瓦斯涌出量的预测中。通过对矿井瓦斯涌出量时间序列的模糊分形处理，用BP神经网络对影响因素间的非线性关系进行拟合。检验结果表明，模型可靠，预测精度高。     

基于遗传-支持向量回归的煤层底板突水量预测研究

针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明：与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。     

基于随机动态模型的矿井瓦斯涌出量预测研究

为了对矿井瓦斯涌出量进行预测,基于灰色系统和时间序列分析的基本理论,建立了矿井瓦斯涌出量预测的随机动态模型,并将该模型应用到某矿瓦斯涌出量预测分析中.实例应用表明,随机动态模型在矿井瓦斯涌出量预测方面是有效的,预测结果正确可靠,反映出了矿井瓦斯涌出量的发展态势.     

基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行的方法。     

基于BP神经网络的拉斗铲生产能力预测

在分析拉斗铲生产能力影响因素的基础上,选取实动时间、炸药单耗和采装周期3个因素作为BP 神经网络的训练参数建立BP神经网络预测模型,并利用MATLAB实现网络的训练和预测。预测结果表明,BP神经网络能够较好地预测拉斗铲的生产能力,预测输出与实际输出之间的相对误差一般小于10%,预测精度达到了工程要求。     

PS转炉铜锍吹炼过程智能决策与终点预报系统

利用建立的基于神经网络与自适应残差补偿的组合预报模型对吹炼终点范围进行预报，采用物料衡算与模糊推理方法在线推算预报结果的校验范围。在此基础上开发炼铜转炉优化操作智能决策支持系统。应用表明，终点范围预报准确率在85％以上。转炉产量提高6％，冷料处理量提高7．8％。     

基于耦合算法的煤矿瓦斯涌出量预测模型研究

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算法通过实时的对其权值、阈值寻优,建立了基于CIPSO 和ENN 的耦合算法的绝对瓦斯涌出量预测系统模型,并利用矿井监测到的各项历史数据进行试验,结果表明该模型较其他预测模型其辨识收敛速度、预测精度和鲁棒性等性能都有明显的提高。     

山西省蒲县耕地需求量预测研究

耕地保有量是土地利用规划中的重要调控指标,做好耕地需求总量的预测工作,对保护耕地、实现耕地总量动态平衡具有重要意义。通过总结前人预测方法,在方法学综合论证的基础上,结合蒲县实际,采用基于粮食安全、趋势外推、单因素驱动模型、多元线性回归和部门需求预测法5种方法,运用SPSS统计学软件,以山西省蒲县为例,对耕地需求量进行预测。在比较分析各预测方法优劣势的基础上,论证了各方法测算结果的科学合理性,最终确定蒲县2010年和2020年的耕地需求量,为蒲县新一轮土地利用总体规划耕地保有量指标确定和耕地保护政策的制定提供依据。