中国能源消费情况建模分析
- 格式：doc
- 大小：358.00 KB
- 文档页数：10
应用时间序列分析论文中国能源消费情况建模分析摘要：有关专家估计，若按目前的开采水平，我国石油资源和东部的煤炭资源将在2030年耗尽，水力资源的开发也将达到极限。
能源消费巨增直接导致能源生产快速增长。
2004年全国一次能源生产总量为18.46亿吨标准煤,同比增长15.2%;发电量21870亿千瓦时,同比增长14.5%;煤炭超速增长,近两年年增产量达到2亿吨以上,2004年产量达19.56亿吨,同比增长17.3%;原油产量1.75亿吨,同比增长2.9%。
全国有关专家预测,如果实施有效的需求侧管理,到2020年,我国可减少装机1亿千瓦左右,超过5个三峡工程的装机容量,同时还可节约8000亿至10000亿的投资。
由此可见,在我国实施需求侧管理潜力巨大。
未来15年,我国仍将处在工业化和城镇化加快发展阶段,资源消耗强度将进一步增大。
面对人口不断增加、资源约束突出、环境压力加大的严峻挑战,必须加快转变经济增长方式,否则资源难以为继,环境难以承受,新型工业化难以实现,全面建设小康社会目标就会落空。
能源消费总量的数据：年份能源消费总量（万吨标准煤）年份能源消费总量（万吨标准煤）1953 5411 1982 62067 1954 6234 1983 66040 1955 6968 1984 70904 1956 8800 1985 76682 1957 9644 1986 80850 1958 17599 1987 86632 1959 23926 1988 92997 1960 30188 1989 96934 1961 20390 1990 98703 1962 16540 1991 103783 1963 15567 1992 109170 1964 16637 1993 115993 1965 18901 1994 122737 1966 20269 1995 131176 1967 18328 1996 138948 1968 18405 1997 1377981969 22730 1998 1322131970 29291 1999 1338311971 34496 2000 1385531972 37273 2001 1431991973 39109 2002 1517971974 40144 2003 1749901975 45425 2004 2032271976 47831 2005 2246821977 52354 2001 1431991978 57144 2002 1517971979 58588 2003 1749901980 60275 2004 2032271981 59447 2005 224682一、对原数据的预处理（序列平稳性和随机性检验）1、对原数据进行分析（1）对原数据做时间序列图：由上图可以看出该序列{}t X是非平稳的，并且能源消费总量总体趋势是上升的，在个别年份有一些下降。
（2）、对原数据做自相关系数：由以上可以看出原时间序列{}t X的自相关系数呈倒三角形逐年下降，这是典型的上升序列的特征，由此可以得出原序列为非平稳的序列，这和观察到的时间序列的情形一样，再537.28，取整数7，而此时的Q统计次印证了我们的结论，该序列是非平稳的。
又因为≈量对应的值为212.30>14.07，并且此时对应的P值为0.000，所以拒绝原假设，即此时是非白噪声序列。
由以上可以得出结论：原序列是非平稳非白噪声序列。
2、对原序列做一阶差分(1)差分后的时间序列图如下:一阶差分后的时间序列{}t Y图呈围绕零值波动的特点，上升趋势被消除，初步判断为平稳的序列。
(2)、现在，对一阶差分后的序列做自相关图自相关系数与偏自相关系数没有正弦或倒三角的典型非平稳序列的特性，在零值附近2倍标准差内波动，故可以判断为平稳序列。
在显著性水平为5%的情况下延迟期数24k各期的P值均小于5%，并且在第七期的Q统计量的值为30.083>14.07，因此=2,1,...一阶差分后的序列可视为平稳的非白噪声序列。
二、模型识别由一阶差分后序列的相关图ACF 与PACF 的拖尾与截尾的特征可知该序列可以供选择的模型有：AR(1),MA(1),ARMA(2,1) 1、AR （1）模型拟合的情况由综合考虑前面的差分运算，对能源消费总量序列拟合的模型为：t t t X B X B ε+-+=--1)1(7968.022.5869)1(2、MA （1）模型拟合的情况综合考虑前面的差分运算，对能源消费总量序列拟合的模型为：16360.047.4321)1(-++=-t t t X B εε3、ARMA （2,1）模型拟合的情况综合考虑前面的差分运算，对能源消费总量序列拟合的模型为：tt B B X B ε25988.019899.0107.5501)1(--+=-以上三个模型AR(1),MA(1),ARMA(2,1)的特征根绝对值均小于1，这印证了一阶差分后序列平稳的判断。
以上三个模型目前均可以使用，到底是否真的都可以使用呢？下面就从不同的方面对它们进行检验。
三、模型检验１、模型的显著性检验模型进行检验是检验模型是否有效（对信息的提取是否充分），主要是检验残差序列，一个好的模型的残差序列应该是白噪声序列。
（1）、AR （1）模型的残差序列由上图可知AR （1）模型的残差序列在显著性水平为0.05时，延迟2,3…..24期的P值均大于0.05的显著性检验，故它的残差序列是白噪声序列。
（2）、MA（1）模型的残差序列由上图知，MA（1）模型的残差序列在延迟8期之后才大于0.05，在延迟七期是对应的P 值为0.044<0.05,故可以拒绝原假设，即此模型的残差序列是非白噪声序列。
由此可以得出结论：此模型信息没有提取充分，此模型不够有效，故可以排除此模型。
（3）、ARMA（2,1）模型的残差序列对ARMA(2,1)残差序列的白噪声检验中，可以看出在显著性水平为5%的情况下延迟期数24,...2 k 各期的P 值均大于5%，因此接受残差序列是白噪声的假设。
２、参数的显著性检验Variable Coefficient Std. Error t-Statistic Prob. ＡＲ（１）模型 C 5869.221 3114.388 1.884550 0.0654 AR(1) 0.796758 0.105202 7.573584 0.0000 ＭＡ（１） 模型 C 4321.469 1067.244 4.049185 0.0002 MA(1) 0.635977 0.109611 5.802111 0.0000 ＡＲＭＡ（２，１）模型 C 5501.069 2824.716 1.947477 0.0575 AR(2) 0.598811 0.105396 5.681539 0.0000 MA(1)0.9899490.0002833501.5070.0000在显著性水平为5%的情况下，AR(1),MA(1),ARMA(2,1)模型的参数的P 值均小于5%，故它们均可视为显著。
综合模型的检验，可以得出以下结论：AR （1）、ＡＲＭＡ（２，１）模型均可以使用。
四、模型的优化当同一个序列同时可以构造两个拟合模型时，并且两个模型都显著有效，这时我们就要确定适当的比较准则，构造适当的统计量，确定相对最优的模型，通常使用的ＡＩＣ和SBC 准则，这两项指标越小越好；R-squared 和Adjusted R-squared 指标，这两个指标越大越好；和DW 值，应该看是否接近2。
由以上理论分析并结合下表对本模型进行分析。
由于MA (1)模型在模型检验中已经排除，所以在此就不用比较分析。
ＡＲ（１）ＭＡ（１）ＡＲＭＡ（２，１）AIC 19.59309 19.79449 19.46023 SBC 19.66885 19.86953 19.57495 R-squared 0.539297 0.428064 0.618091 Adjusted R-squared 0.529895 0.416625 0.601840 Durbin-Watson stat1.6909121.3425741.638015AIC 指标值： AR （1）对应的AIC 的值 > ARMA （2,1）对应的AIC 的值 SBC 指标值：AR （1）对应的SBC 的值 > ARMA （2,1）对应的SBC 的值 R-squared 指标值：ARMA （2,1）大，AR （1）小 Adjusted R-squared 指标值：ARMA(2,1)大，AR （1）小Durbin-Watson stat 指标值：AR(1)最接近2，ARMA （2,1）与2相差较大 综上故，ARMA （2，1）较好，选择ARMA(2,1)五、序列预测注：红线表示2倍标准差的范围真实值预测值95%的预测区间 年份能源消耗总量 (万吨标准煤)年份能源消耗总量 (万吨标准煤)年份能源消耗总量 （万吨标准煤）2006 246270 2006 243605.1 2006 [235858.12,251352.08] 2007 265583 2007 258659.5 2007 [241406.33,275912.67] 20082850002008272197.92008[245742.68,298653.12]由上表可看出真实值在95%的预测区间内，表明我们拟合的模型比较有效，同时， 也说明我国2006-2008年能源消耗总量仍然为递增趋势资源消耗强度将进一步增大，为提供能源的煤炭资源将承受进一步耗尽的压力。
