GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

中国能源消费预测灰色建模法

选取2001—2007年中国能源消费实际值为依据,应用灰色系统理论建立煤炭能源和能源消费总量GM(1,1)预测模型,并分别进行精度检验和对比分析.检验结果表明:所建立的预测模型均为一级精度,适合于具有灰色特征的能源消费原始数据序列的模拟和预测分析.通过预测模型的计算结果可以知道:中国煤炭能源和能源消费总量呈指数增长规律,2008—2012年期间分别以16.33%和14.94%的速度增长,在整体能源消费结构中,煤炭能源所占比例将以0.29%的速度增长(为合理规划我国未来的能源消费战略,制定能源供应短缺和能源环境污染对策).     

中国能源消费驱动因素的实证研究:基于投入产出的结构分解分析

随着中国工业化进程加快,中国成为世界上第二大能源消费国.中国以煤炭为主化石能源的大量消费,造成了一系列的环境、经济、社会和政治问题.因此,制定合理的能源战略对中国的长期可持续发展至关重要.为了给科学合理的能源政策——尤其是中国的节能政策和相关气候变化政策的制定提供科学依据,很有必要对中国快速增长的能源消费背后的驱动因素加以研究.利用基于投入产出的结构分解模型,克服了经典的IPAT模型结果过于整合的缺点,研究了人口增长、效率、生产结构以及生活方式和水平等因素对中国能源消费的影响.经研究发现,1992至2007年间,人均GDP的提高是中国能源消费增长的最大驱动力,推动了241.93%的能源消费增量.人均GDP的推动作用随着中国经济的持续增长而增强.而能源强度的降低则部分抵消了能源消费的增量,抵消幅度达到128.73%.随着目前中国重化工业化进程加快,近年来能源强度的抵消能力有所减弱.从最终使用的角度看,总资本形成和出口则是推动能源消费增长的重要驱动力,分别为中国能源消费的增长贡献了42.42%和39.43%.     

组合预测模型在能源消费预测中的应用

能源的需求预测是一个复杂的非线形系统,其发展变化具有增长性和波动性,组合预测对于信息不完备的复杂经济系统具有一定的实用性.本文利用我国能源消费的历史数据,采用灰色预测的GM(1,1)模型、BP神经网络模型和三次指数平滑模型进行优化组合,建立了能源消费组合预测模型,实证分析结果表明预测值和实际结果有很好的一致性,可以作为能源消费预测的有效工具.     

基于计量经济模型的煤炭消费与经济增长关系实证研究——以世界主要煤炭消费国为例

经济的发展和能源(包括煤炭)的利用有着密不可分的关系.运用国际上研究能源消费与经济增长之间关系的重要工具-协整分析、格兰杰因果关系检验对世界主要煤炭消费国家(中国、美国、印度、俄罗斯、日本和南非)1981-2005的煤炭消费与GDP之间因果关系及其内在规律进行了分析和研究.实证研究结果表明,这些国家能源消费结构、经济政策不同,煤炭消费同经济增长之间的因果关系也不完全一致,中国、日本和南非存在经济增长对煤炭消费的因果关系,俄罗斯存在煤炭消费对经济增长的因果关系,而印度煤炭消费和经济增长之间则不存在因果关系.据此各国根据自身能源国情及国际比较形势,制定科学的能源战略与政策.     

中国碳排放与能源消费关系实证研究——基于VEC模型

中国碳减排问题成为世界关注的焦点问题.研究碳排放与能源消费关系有助于实现2020年碳减排目标.选取1953-2008年中国碳排放和能源消费数据,运用协整理论、向量误差修正模型(VEC)和Granger因果关系分析,对中国碳排放量与能源消费之间的相互关系进行实证研究.研究结果表明:碳排放与能源消费之间存在协整关系,能源消费增加1%,碳排放将增加0.9646%,即碳排放对能源消费的长期弹性为0.9646.从短期误差修正模型来看,碳排放与能源消费之间具有动态调整机制.非均衡误差项的存在,能够保证两者之间长期均衡关系的存在.Granger因果关系研究表明:碳排放与能源消费之间互为双向因果关系.通过脉冲函数和方差分解分析了模型的动态特征.根据研究结果,提出降低能源消费和减少碳排放对策.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

基于ARIMA和BP神经网络组合模型的能源消费预测

在单一的ARIMA模型预测的基础上,提出了一种基于ARIMA模型和BP神经网络组合模型,并以广西区1981至2016年的能源消费数据为例,结果表明组合模型的预测精度要优于单一的模型,故利用组合模型对广西区未来能源消费的预测更加有效.     

基于ARIMA模型的山西省能源消费的预测分析

通过对1985-2010年山西省能源消费总量数据序列的分析,建立了ARIMA(1,1,1)模型.结果显示:模型对原始数据的拟合程度较好,模型的预测误差小,可用于中短期预测.     

关于湖北省节能的投入产出分析

运用投入产出法,对湖北省达成"十一五"节能目标的万元GDP综合能耗进行了分能源品种的分解,对湖北省未来五年的能源经济指标进行了预测和分析.首先,本文把64部门的2002年湖北省投入产出表整理成6部门的投入产出表,推测出2005年湖北省能源生产和消费指标,分析了湖北省能源供需的基本形势.其次,本文以实现"十一五"期间万元GDP综合能耗降低20%为目标,对不同GDP增长率下的能源需求情景进行了预测,计算了湖北省2010年分品种的万元GDP综合能耗、能源消费弹性系数等指标,分析了不同能源品种对单位GDP综合能耗下降的贡献程度.最后本文提出了政策建议,并指出模型的发展方向.     

基于SPA-TOPSIS方法的能源结构优化程度评价

以能源低碳化发展为基础,从社会经济发展程度、能源规划合理程度、环境和谐程度三个准则层入手,构建能源结构优化程度评价指标体系。运用改进惯性权重的PSO算法确定评价体系权重,并基于SPA-TOPSIS法构建能源结构优化程度评价模型,对30个省、自治区、直辖市的区域能源结构优化程度进行实证研究。实证结果表明:区域社会经济发展水平对能源结构优化程度有直接影响,且各区域能源结构优化程度差异较大,总体呈现“东高西低”的格局;清洁能源消费占比、原煤消费占比、烟尘排放等因素对能源结构优化程度影响显著。     

基于蒙特卡罗方法的中国中长期煤炭需求预测

为避免传统预测方法的参数取值主观性问题,采用参数随机产生的蒙特卡罗方法预测中国中长期煤炭需求。首先分析了经济增长、能源结构和产业结构三个主要煤炭需求影响因素,并基于1980~2015年间各影响因素及煤炭消费的历史数据和最小二乘法的多元线性回归拟合煤炭需求方程。在此基础上,构建各影响因素的概率分布,采用蒙特卡罗方法模拟1981~2015年的煤炭需求,发现仿真结果可以较好拟合现实,可作为仿真预测的有效工具。结合经济新常态和能源结构调整的现状,控制参数取值范围进行蒙特卡罗仿真预测,结果显示,2016~2025年的煤炭需求呈先上升后下降趋势,并于2020年达到需求的峰值40.25亿吨,这些结果对于煤炭产业的科学决策有重要的作用。     

能源消费与产业发展的协整性与因果关系分析

能源消费与经济增长关系密切,本文利用协整理论,检验了我国能源消费总量与国民生产总值以及三次产业之间的协整性和Granger因果关系,并且建立了向量误差修正模型。研究结果表明,我国能源消费与GDP以及第一产业、第三产业之间存在协整关系,但是能源消费与第二产业之间并不存在长期的均衡关系。并且,GDP和三次产业只是能源消费的单向Granger因果关系,它们之间并不存在双向的Granger因果关系。     

中国碳排放变化的因素分解与减排路径研究

能源及其引致的碳排放等相关问题已经成为影响人类社会发展全局和全球政治经济格局的重大战略问题.中国是世界上最大的发展中国家,面临着更严峻的能源挑战.节约能源、大幅度改善能源效率是我国应对能源和气侯变化挑战的一条极其重要且有效途径.本文综合考量了能源结构、能源强度、能源效率及经济增长等4个因素对碳排放的影响,基于因素分解模型,应用LMDI分解方法对中国一次能源利用的CO2排放及碳排放强度变化进行了研究,研究发现二氧化碳排放增加主要是由于经济增长、人口规模扩大引起的.在此基础上提出了碳减排的政策建议.     

GPM(1,1,m)模型及其在中国能源消费预测中的应用

客观准确地预测能源消费,可以为政府制定社会经济发展政策提供重要参考.利用矩阵分析的思想研究了灰色预测模型的建模机理,提出了基于时间多项式的可拓形式GPM(1,1,m)模型,并分析了其理论意义.在此基础上,通过研究了时间多项式对模型参数和预测值的影响,推导了它们之间的定量关系,设计了实际建模中的优化方法和参数估计的一般形式.利用GPM(1,1,m)模型预测中国的能源消费量并与其他灰色预测模型进行对比.根据2002-2017年的数据建立模型,结果显示GPM(1,1,m)模型的精度明显的优于其他模型.     

基于深度学习的交通运输业能耗预测——以“一带一路”主要经济体为例

为合理规划一次能源使用,深入推进节能减排,需对交通运输能耗进行预测.使用灰色综合关联度模型筛选出客运、货运和经济发展水平三个方面共八个影响因素作为模型输入,提出了主要由LSTM层、Dropout层和Bi-LSTM层构成的深度学习模型,并使用天牛群优化算法精调模型超参数,在此基础上对2019至2025年中国、印度、东南亚和巴基斯坦四个"一带一路"沿线经济体交通运输能耗进行预测.研究结果表明:首先,BSO-LSTM模型较GA-BPNN、GA-SVR、GA-LSTM和PSO-LSTM模型具有最高的预测精度.其次,2019-2025年,中、印、东、巴交通运输业能耗总体上在波动中上升,年均增长率分别为2.92%、5.64%、3.05%和4.88%.再次,2024年中、印、东、巴交通运输业单位GDP能耗分别为29.41、37.41、46.67和83.12,除巴基斯坦外,较2018年均有所下降.最后,中国、东南亚2018-2024年交通运输业能源消费弹性系数较2012-2018年有所下降,而印度、巴基斯坦仍保持上升趋势.     

居民消费的习惯形成与实际经济周期模型的求解分析——一个基于三部门RBC模型的研究

结合H-P滤波法和King,Plosser&.Robelo(1987)的研究,探讨了一个求解引入居民消费的习惯形成和存在稳态趋势增长的RBC模型的对数线性化方法,并利用该方法求解引入习惯形成和政府支出冲击的三部门RBC模型来分析中国1979-2009年间宏观经济波动.研究表明:这个方法求解本文模型的预测结果与中国的特征事实较一致;与NHG方法求解的预测结果相比较,二者存在明显的差异;对中国经济的解释力要强于NHG方法求解的预测结果.