基于Matlab支持向量回归机的能源需求预测模型_孙涵
- 格式：pdf
- 大小：759.85 KB
- 文档页数：7
洪, 200 8 ). 而第二产业的能耗指数远 高于第 一产业和第三产业 的能耗 指数, 故随着我 国产业 结构的调整, 综
合能耗指数必将受到影响, 因此 , 第二产业结构的变化也是能源需求重要影响因素之一 [ l 7] . ¼ 能源消费结 构反映了整个能源消费量中各种能源所占的比例关系. 在中国的能源消费结构中, 煤炭几乎占到了 7 0 %,而 非化石能源的增长却很缓慢.而能源利用率低 , 环境污染严重 , 因此, 在能源需求预测过程中必须考虑未来优 化能源结构 , 能耗指数的降低对能源需求带来的影响 阵 /一 .例 . 因此煤炭消耗比重也是必须考虑的重要因素之 一 ½ 技术进步对能源需求量的影响, 主要表现在以下两方面: 一是随着科学技术的进步, 节能技术进一步 发展, 使节能率大大提 高, 从而节约 了能源消费; 二是技术进步使新能源 的开发利用 成为可能, 从 而导致 能源 消费结构的根本性变化, 进而从根本上改变能源需求量的发展变化趋势. 由于技术进步难以量化 , 一般用单
中图分类号: T K oi
文献标志码: A
基于 M atl a b 支持向量回归机的能源需求预测模型
孙 涵, 杨普容, 成金华
(中国 地质大学 经济管理学院, 武汉 43007 4 )
摘 要 分析了支持向量回归机在能源需求预测中的优势, 确定了输入 向量集合和输出向量集合, 建 立 了基 于 M a t l a b 技术 的 SV R 能源需求预测模 型. 对我 国 1 9 8 5 一 0 0 2 8 年 能源需求相 关数据进行 模拟 与仿 真, 并对 中国 20 1 0 年和 2020 年 能源需求量进行预测. 研 究结果表 明: 一是 中国未 来对能 源 的需求量逐渐增加, 从 20 1 0 年 的 330400 万吨标准煤上升到 2 0 20 年 4 1 832 0 万 吨标 准煤 , 年均增 长率为 2 .3 9 % ; 二是在解决我 国能源 系统小 样本. 非线性及 高维模 式识别 问题 中 S V R 比 B P 神经
收稿 日期: 2010一 07一 17 资助项 目: 中国地质大学 ( 武汉) 优 秀青年教师特色学科 团队项 目 ( c U G 090lla ; 国家社科基金 (1 ) 0 C JY OZ分 国家 自然科学基 金 (71103一 64); 中国地质大学 (武汉) 资源环境经济研究中心开放基金 (20llB 012) 作者简介:孙涵 ( l 980一 ), 男, 汉 , 湖北黄冈人 , 讲师, 博士研究生 , 主要研究方向: 资源管理工程和项 目管理 .
因此, 针对我 国能源需 求系统具有非线性和历史数据较少 以及能源需求影 响因素众多等特征 . 建立基 于
Ma tl a b 技术的支持向量回归机 (SV R ) 模型进行模拟与仿真, 并对中国未来 2010 和 2020 年能源需求进行预 测 , 为能源管理 者提供决策支持 .
2 中国能源需求影响因素分析
K ey w o rd s
w i th th e sm a l l sa m P l e !non一 li n ea r a nd P attern
sy stem
w i ll b e so o n so l e d. v
d em an d ; f o re e a s t
s u P P o rt v e e t o r r e g r e s sio n ; e n e rg y
, 网络等 方法有更高 的预测精度. 关 键词 支持 向量回归机 ; 能源需 求; 预测
O F
r e e a st in g m o d e l o f e n e r g y d e m a n d b a se d o n M a tla b s u P P o r t
v e e to r r e g r e s sio n
需求的主要 因素有如 下几个方面:
¹ 经济增长. 能源工业是一个长期性高投入的产业, 其发展水平直接受制于经济发展水平. 因此, 经济 增 长是影响能源 消费的一个非常重要的 因素 [ , l 6]. 该文用实际 G D P 来表 示. º 人 口和城 市化. 人 口总量 的 多少直接影响着能源总消费量, 也直接影响着能源资源的人均占有量和利用方式 川. 由于城市居民和农村居 民的能源利用方式和消费水平有很大差别, 在发展中国家这种差别更加明显.因此 , 随着我国城市化速度的 加快 , 能源需求还会 加速考虑, 所 以人 口和城 市化也是 能源需求的重要 因素之一 » 一般认为 产业 结构 的变 化 , 是导致能耗强度变 化的主要 因素 (K am ba r a , 1992; R i c h a r d , 1999 ; 齐志新 ! 陈文颖等 , 2007 ;魏楚 !沈满
SU N H an, Y A N G P u一 ro n g , C H E N G J in 一 hu a
(Sehoolof Eeonom ies and M anagem ent, C hi nese U ni e rsi v ty ofG eoseienees, v叭 lha n 430074, C hina)
因此 预测效果也不甚理想. 而支持向量机 [0 一] 是一种专门研究有限样本情况下非参数估计问题的机器学 0 习的新方法 , 它在解决小样本 !非线性及高维模式识别问题中表现出许多特别的优势, 受到学者的青睐, 并已 成功应 用于时间序f J 预测 (T heodore B .T I r af a lis, H u sey i n Inee, 2000 :C hen B J, C h ang M W , L in C J , 20 04 ), 已经成为机器学 习界 的研究热点之一 如, 在 200 4 年, v a na j a k sh i 等 阵.} 讨论 了支持 向量机在交通 流预测 中
1 引言
能源是 一国经济发展必不可少 的重 要物质基础 . 中国是个 能源消费大国, 随着我 国工业化 ! 城市化 的加
快和经济增长, 我国能源, 特别是化石能源需求急速增长, 能源供需不平衡的状况 日 渐突显.据统计 , 在 2009 年, 我国能源消费量已由 197 8 年的 5. 7 亿吨标准煤增加到 3 0 亿吨标准煤 , 增长了 5. 6 倍 , 石油的依赖度将 2 近5 0 % . 而根据 国际经验: 正处于工业化 !城 市化 加速 发展 的中国, 对 能源 的需求还会 不断增长 , 而 只有进入 后工业化 阶段则 趋于不再增长甚 至下降. 因此, 可 以说 , 在未来 比较 长的时间 内我 国能源需求还 会快速增 长, 能源供需形势仍 然非常严峻. 因而, 一个现 实的间题 摆在我 们面前 , 要 实现工业化和城 市化, 中国未来 能源的 需求到底是 多少 ? 而能源需求预测结果 的好坏直接 与国家或地方 经济发展 息息相关 . 因此, 做好 能源需求 预 测对经济和发展 的发 展有着重要 的意义. 国内外许 多能源机构或相关机构对 能源需求进行过研 究, 得出了一些常用 的预测方 法有趋势外 推法 !消 费弹性法 !主要消耗部 门预测法 !回归分析 法预测等传统方法 [ ,一 3}. 上述传统 的计量方法 为能源 系统 建模 理 论 ! 实际的能源预 测和规划做 出了一定的贡献. 但能源 系统是 一个大而复杂 的非线性 系统, 各 因素在相互渗
能源系统是个非线性复杂系统 , 能源需求受到人口 !经济 ! 社会等众多因素的影响. 分析我国能源需求 影响因素, 必须根据其消费行为, 归纳和选择影响能源消费的各种因素 , 并充分考虑这些影响因素自身之间 错综复杂的关系 . 结合我 国学者的研究成果 , 遵循综合性 !操 作性 !可 比性 !可获性原则 . 认为影 响中国能源
ton s 20 20 , w i th a n a n n u a l i n erea s e o f ab ou t 2 . 39 % . O n th e o th er h a n d , th e S V R b ette r th an b P n e u ra l
n etw o rk a b out f o reea st a eeu raey , th e l o n g ex i sti n g P rob l em ree og n i ti o n of en e rg y
的应用.2006 年, 杨兆升等 [ l2 ]在总结已有多种预测模型的基础上, 充分考虑了交通本身所存在的非线性 !复 杂性和不确定性 , 提出了一种基于支持 向量机的短时交通流量预测模型. 2007 年, 于滨和杨忠振等 阵 3}运用 Sv R 对公交 车运行时 间进行预测 , 发现能很好的应对运行过程 中的随机 延迟 , 而且该模型还可 以进行 车辆 的 在线预测. 2008 年 , D i n g 等 1 4]用支持向量机模型预测中国上市公司财务状况 , 结果表明, 该模型优于传统 的统计学 习方法 和人工神经 网络. 2009 年 , c a s tro一 Ne t "等 [ l 5] 运用支持 向量 回归机预测短期 高速公 路交通 流量, 结果表明, 相对高斯极大似然方法 , 此模型是一种较好的预测工具. 总的说来, 支持向量机在预测回归 方面应用 比较少 , 主要 集中在金融和交通等领域, 而在 能源需要预测 中未被应 用.
第3 1 卷第 1 0 期
2011年 10 月
系统 工程 理论 与实 践
S y stem s E n gin eeri n g 一 T h e o叮 & P rae tiee
V 6 1.3 11
文章编号: 1000一 6755(2011)10一 2001一 07
A b straet T his p aper analyzes the adv a nt鳍es of supp ort veetor regression (SV R ) in the predi etion of
en erg y d em an d , d eei d es th e set o f in P u t v eeto rs a n d o u tP u t v eetors an d th e n esta b li sh es th e m o d el o f
合能耗指数必将受到影响, 因此 , 第二产业结构的变化也是能源需求重要影响因素之一 [ l 7] . ¼ 能源消费结 构反映了整个能源消费量中各种能源所占的比例关系. 在中国的能源消费结构中, 煤炭几乎占到了 7 0 %,而 非化石能源的增长却很缓慢.而能源利用率低 , 环境污染严重 , 因此, 在能源需求预测过程中必须考虑未来优 化能源结构 , 能耗指数的降低对能源需求带来的影响 阵 /一 .例 . 因此煤炭消耗比重也是必须考虑的重要因素之 一 ½ 技术进步对能源需求量的影响, 主要表现在以下两方面: 一是随着科学技术的进步, 节能技术进一步 发展, 使节能率大大提 高, 从而节约 了能源消费; 二是技术进步使新能源 的开发利用 成为可能, 从 而导致 能源 消费结构的根本性变化, 进而从根本上改变能源需求量的发展变化趋势. 由于技术进步难以量化 , 一般用单
中图分类号: T K oi
文献标志码: A
基于 M atl a b 支持向量回归机的能源需求预测模型
孙 涵, 杨普容, 成金华
(中国 地质大学 经济管理学院, 武汉 43007 4 )
摘 要 分析了支持向量回归机在能源需求预测中的优势, 确定了输入 向量集合和输出向量集合, 建 立 了基 于 M a t l a b 技术 的 SV R 能源需求预测模 型. 对我 国 1 9 8 5 一 0 0 2 8 年 能源需求相 关数据进行 模拟 与仿 真, 并对 中国 20 1 0 年和 2020 年 能源需求量进行预测. 研 究结果表 明: 一是 中国未 来对能 源 的需求量逐渐增加, 从 20 1 0 年 的 330400 万吨标准煤上升到 2 0 20 年 4 1 832 0 万 吨标 准煤 , 年均增 长率为 2 .3 9 % ; 二是在解决我 国能源 系统小 样本. 非线性及 高维模 式识别 问题 中 S V R 比 B P 神经
收稿 日期: 2010一 07一 17 资助项 目: 中国地质大学 ( 武汉) 优 秀青年教师特色学科 团队项 目 ( c U G 090lla ; 国家社科基金 (1 ) 0 C JY OZ分 国家 自然科学基 金 (71103一 64); 中国地质大学 (武汉) 资源环境经济研究中心开放基金 (20llB 012) 作者简介:孙涵 ( l 980一 ), 男, 汉 , 湖北黄冈人 , 讲师, 博士研究生 , 主要研究方向: 资源管理工程和项 目管理 .
因此, 针对我 国能源需 求系统具有非线性和历史数据较少 以及能源需求影 响因素众多等特征 . 建立基 于
Ma tl a b 技术的支持向量回归机 (SV R ) 模型进行模拟与仿真, 并对中国未来 2010 和 2020 年能源需求进行预 测 , 为能源管理 者提供决策支持 .
2 中国能源需求影响因素分析
K ey w o rd s
w i th th e sm a l l sa m P l e !non一 li n ea r a nd P attern
sy stem
w i ll b e so o n so l e d. v
d em an d ; f o re e a s t
s u P P o rt v e e t o r r e g r e s sio n ; e n e rg y
, 网络等 方法有更高 的预测精度. 关 键词 支持 向量回归机 ; 能源需 求; 预测
O F
r e e a st in g m o d e l o f e n e r g y d e m a n d b a se d o n M a tla b s u P P o r t
v e e to r r e g r e s sio n
需求的主要 因素有如 下几个方面:
¹ 经济增长. 能源工业是一个长期性高投入的产业, 其发展水平直接受制于经济发展水平. 因此, 经济 增 长是影响能源 消费的一个非常重要的 因素 [ , l 6]. 该文用实际 G D P 来表 示. º 人 口和城 市化. 人 口总量 的 多少直接影响着能源总消费量, 也直接影响着能源资源的人均占有量和利用方式 川. 由于城市居民和农村居 民的能源利用方式和消费水平有很大差别, 在发展中国家这种差别更加明显.因此 , 随着我国城市化速度的 加快 , 能源需求还会 加速考虑, 所 以人 口和城 市化也是 能源需求的重要 因素之一 » 一般认为 产业 结构 的变 化 , 是导致能耗强度变 化的主要 因素 (K am ba r a , 1992; R i c h a r d , 1999 ; 齐志新 ! 陈文颖等 , 2007 ;魏楚 !沈满
SU N H an, Y A N G P u一 ro n g , C H E N G J in 一 hu a
(Sehoolof Eeonom ies and M anagem ent, C hi nese U ni e rsi v ty ofG eoseienees, v叭 lha n 430074, C hina)
因此 预测效果也不甚理想. 而支持向量机 [0 一] 是一种专门研究有限样本情况下非参数估计问题的机器学 0 习的新方法 , 它在解决小样本 !非线性及高维模式识别问题中表现出许多特别的优势, 受到学者的青睐, 并已 成功应 用于时间序f J 预测 (T heodore B .T I r af a lis, H u sey i n Inee, 2000 :C hen B J, C h ang M W , L in C J , 20 04 ), 已经成为机器学 习界 的研究热点之一 如, 在 200 4 年, v a na j a k sh i 等 阵.} 讨论 了支持 向量机在交通 流预测 中
1 引言
能源是 一国经济发展必不可少 的重 要物质基础 . 中国是个 能源消费大国, 随着我 国工业化 ! 城市化 的加
快和经济增长, 我国能源, 特别是化石能源需求急速增长, 能源供需不平衡的状况 日 渐突显.据统计 , 在 2009 年, 我国能源消费量已由 197 8 年的 5. 7 亿吨标准煤增加到 3 0 亿吨标准煤 , 增长了 5. 6 倍 , 石油的依赖度将 2 近5 0 % . 而根据 国际经验: 正处于工业化 !城 市化 加速 发展 的中国, 对 能源 的需求还会 不断增长 , 而 只有进入 后工业化 阶段则 趋于不再增长甚 至下降. 因此, 可 以说 , 在未来 比较 长的时间 内我 国能源需求还 会快速增 长, 能源供需形势仍 然非常严峻. 因而, 一个现 实的间题 摆在我 们面前 , 要 实现工业化和城 市化, 中国未来 能源的 需求到底是 多少 ? 而能源需求预测结果 的好坏直接 与国家或地方 经济发展 息息相关 . 因此, 做好 能源需求 预 测对经济和发展 的发 展有着重要 的意义. 国内外许 多能源机构或相关机构对 能源需求进行过研 究, 得出了一些常用 的预测方 法有趋势外 推法 !消 费弹性法 !主要消耗部 门预测法 !回归分析 法预测等传统方法 [ ,一 3}. 上述传统 的计量方法 为能源 系统 建模 理 论 ! 实际的能源预 测和规划做 出了一定的贡献. 但能源 系统是 一个大而复杂 的非线性 系统, 各 因素在相互渗
能源系统是个非线性复杂系统 , 能源需求受到人口 !经济 ! 社会等众多因素的影响. 分析我国能源需求 影响因素, 必须根据其消费行为, 归纳和选择影响能源消费的各种因素 , 并充分考虑这些影响因素自身之间 错综复杂的关系 . 结合我 国学者的研究成果 , 遵循综合性 !操 作性 !可 比性 !可获性原则 . 认为影 响中国能源
ton s 20 20 , w i th a n a n n u a l i n erea s e o f ab ou t 2 . 39 % . O n th e o th er h a n d , th e S V R b ette r th an b P n e u ra l
n etw o rk a b out f o reea st a eeu raey , th e l o n g ex i sti n g P rob l em ree og n i ti o n of en e rg y
的应用.2006 年, 杨兆升等 [ l2 ]在总结已有多种预测模型的基础上, 充分考虑了交通本身所存在的非线性 !复 杂性和不确定性 , 提出了一种基于支持 向量机的短时交通流量预测模型. 2007 年, 于滨和杨忠振等 阵 3}运用 Sv R 对公交 车运行时 间进行预测 , 发现能很好的应对运行过程 中的随机 延迟 , 而且该模型还可 以进行 车辆 的 在线预测. 2008 年 , D i n g 等 1 4]用支持向量机模型预测中国上市公司财务状况 , 结果表明, 该模型优于传统 的统计学 习方法 和人工神经 网络. 2009 年 , c a s tro一 Ne t "等 [ l 5] 运用支持 向量 回归机预测短期 高速公 路交通 流量, 结果表明, 相对高斯极大似然方法 , 此模型是一种较好的预测工具. 总的说来, 支持向量机在预测回归 方面应用 比较少 , 主要 集中在金融和交通等领域, 而在 能源需要预测 中未被应 用.
第3 1 卷第 1 0 期
2011年 10 月
系统 工程 理论 与实 践
S y stem s E n gin eeri n g 一 T h e o叮 & P rae tiee
V 6 1.3 11
文章编号: 1000一 6755(2011)10一 2001一 07
A b straet T his p aper analyzes the adv a nt鳍es of supp ort veetor regression (SV R ) in the predi etion of
en erg y d em an d , d eei d es th e set o f in P u t v eeto rs a n d o u tP u t v eetors an d th e n esta b li sh es th e m o d el o f
