基于广义灰色模型的内蒙古能源消费预测

■ 童泉格/孙 涵/成金华/王洪健

（1.中国地质大学（武汉）经济管理学院，湖北 武汉 430074；2.中国地质大学（武汉）资源环境中心，湖北武汉 430074）

基于广义灰色模型的内蒙古能源消费预测

■ 童泉格1,2/孙 涵1,2/成金华1,2/王洪健1

（1.中国地质大学（武汉）经济管理学院，湖北 武汉 430074；2.中国地质大学（武汉）资源环境中心，湖北武汉 430074）

在定性分析内蒙古地区能源组成结构基础上，选取该地区1995-2012年能源统计数据建立广义灰色关联及预测模型。结果显示，内蒙古地区煤炭与总能源的生产、消费关联程度远远高于石油、天然气、水电核电及其他能源发电三种能源，煤炭在提升能源生产及消费总量中起主导作用。运用灰色预测模型GM(1，n)预测1995-2012年内蒙地区能源消费总量与煤炭消费量，检验结果表明能源消费总量预测模型与煤炭消费量预测模型精度很高。运用该模型预测2020年内蒙古地区能源消费总量将达到61006万吨标准煤、煤炭消费量将达到34977万吨标准煤。建议：积极转变能源工业发展模式，调整能源消费结构，提升清洁能源消费比例；大力发展循环经济；淘汰落后产能，积极调整产业结构。

灰色关联预测模型；能源消费；煤炭消费；内蒙古

近年来，内蒙古地区积极发挥资源禀赋优势，全面提升产业分工地位，不断壮大产业集群，努力优化经济结构，经济得到持续快速增长，对能源的需求上升趋势明显。内蒙古地区能源消费主要由煤炭、石油、天然气、水电、核电及其他能发电五大能源构成，且煤炭在能源消费中基数巨大，1995-2012年煤炭消费平均占比为91.13%，石油、天然气、水电、核电及其他能发电等优质能源的消费不足，能源消费结构不均衡。随着经济快速发展，能源需求将会出现高速增长，现有的能源结构会成为内蒙古地区经济可持续发展的制约因素，如何量化分析各类能源与能源总量关联程度，能源消费总量将会以何种趋势发展，均为亟待解决的问题。本文运用广义灰色模型试图解决上述问题，以期对内蒙古地区能源结构调整与发展方向起到一定的参考作用。

1 文献综述

学术界对能源消费预测的研究主要采用调查预测法、因果关系预测法及时间序列预测法三种。调查预测法是基于实地调研结合经验判断从而做出预测的一种经济预测方法，典型的有市场调查法、德尔菲法[1]。时间序列预测方式是根据时间序列建立数学模型，将过去的趋势延伸到未来，回归、指数平滑、移动平均值及ARMA等都是典型的时间序列预测法，韩王仲（2003）基于时间序列进行回归分析并且在MIS中进行了实现。因果预测分析法是将预测对象与影响因素联系起来建立数学模型，根据关键影响因素变化对于预测值进行定量分析的方法，如：林伯强（2001）、林伯强等（2007）等采用协整误差模型拟合煤炭需求弹性并成功预测未来煤炭长期消费[1，2]；孙涵等（2011）认为支持向量机在能源需求中极具优势，建立了基于Matlab技术的SVR能源需求预测模型，并将其同GM(1，1)、BP神经网络、SVR预测误差值进行比较，得到支持向量机误差较小，精度较高的结论[3]；贾立江等（2012）以总能源消费作为影响因素，建立GM(1，1)模型对我国煤炭、石油、天然气及水电、核电等消费量进行预测，得到预测模型可信水平的结论[4]；一些学者运用灰色关联法对能源结构进行了研究，例如：周德田等（2013）运用灰色关联模型对于煤炭、石油、天然气及其他清洁能源之间的关系进行了量化分析，发现适当减少煤炭消费，提升石油、天然气及清洁能源的比重对于提高能源利用效率有积极作用[5]；李治国等（2012）及刘利花（2013）运用灰色关联理论分别对山东省及我国农村能源消费量及结构进行了研究[6]。

当前能源结构方面的研究集中于能源与效率的关系，对于能源消费或生产的具体结构少有涉及，或者在能源预测模型中影响因素选择较少，一些模型精度有待提高。因此本文旨在深入分析能源消费及生产结构，采用一种稳定并且精度较高的模型对于能源消费量进行预测。

2 基于灰色关联模型的内蒙古地区能源结构分析

2.2 数据选择及处理

本文选取内蒙古地区1995-2012年各类能源的生产量或消费量作为子序列，能源生产总量或消费总量作为母序列，建立广义灰色关联模型。各指标数据均来自《内蒙古统计年鉴》（1996-2013年），单位为万吨标准煤。

首先，计算煤炭消费量与能源消费总量的绝对关联度，其中X0为内蒙古地区各类能源消费总额，作为系统特征序列；X1为内蒙古地区煤炭消费总量，作为因素序列。按照上述步骤，可以得到：

（1）水资源论证工作的基本程序。一般是取水企业委托具有资质的单位编写水资源论证报告，到水行政主管部门上会，抽取专家组进行水资源论证报告评审，若通过，论证企业按照评审意见修改；若不通过，修改后重新评审。

同理，可以分别求得石油、天然气、水电、核电及其他能发电的生产或消费与能源总生产或消费总量的广义关联度，如表1所示。

3 基于GM（1，n）模型的内蒙古地区能源消费总量及煤炭消费总量预测

3.1 GM(1,n)模型

表1 内蒙古地区各类能源与能源总量关联度汇总

GM(1，n)模型表示一阶的n个变量的微分方程型预测模型，建模的实质是建立微分方程系数，具体步骤如下：

对Xi做累加生成，得到生成数列：

这个微分方程模型记为GM（1，n）。

按照最小二乘法，有

其中，利用两点滑动平均的思想，最终可得矩阵：

3.2 数据选择及处理

在能源消费总量预测中，选取了1995-2012年内蒙古地区能源生产总量（万吨标准煤）、GDP（亿元）、第二产业产值（亿元）、第二产业产值所占比例（%）、单位能耗（吨标准煤/万元）、人口数（万人）及居民消费水平（元）作为影响因素序列。石油、天然气、水电、核电及其他能发电与能源消费总量关联度较小，科技发展水平对水电、核电及其他能源发电影响严重，其消费量并不稳定[10]。基于可获取的统计年鉴数据，这三种能源与GDP、第二产业总值、人口数等因素关联度程度不大，灰色模型不成立。本文在预测部分只包括能源消费总量及煤炭消费量预测，对于石油、天然气、水电、核电及其他能发电主要从与能源消费总量之间的关联程度进行定性分析。

以1995-2006年预处理后数据作为训练数据样本，2007-2012年为预测数据，运用Matlab R2014a编程实现GM（1，n）灰色动态预测模型，为了弱化原始时间序列的随机性，在建立灰色预测模型前，采用AG0(Accumulated generating operation)对于原始时间序列进行了预处理。通过分析可得到内蒙古地区2001-2011年能源消费总量及煤炭消费总量，如表2所示。由表2可知，该模型1995-2012年能源消费总量预测值与实际值误差平均值为6.38%，煤炭消费量与实际值误差平均值为4.70%，误差保持在合理范围内，预测结果与实际值贴近，模型预测结果具有参考意义。

3.3 模型精度检验

灰色预测模型检验一般分为残差检验、关联度检验以及后验差检验。本文采用残差检验和后验差检验的方法对能量消耗总量预测模型以及煤炭消耗量预测模型经行检验。其中，C表示预测值与实际值的离散程度，P表示残差与残差平均值之差小于给定值0.6745S1的概率，指标C越小越好，这表明模型所得的预测值与实际值之差并不离散；指标P越大越好，这表明残差与残差平均值之差小于给定值0.6745S1的点比较多。根据Ф、P以及C三个指标，可以综合评定预测模型的精度。灰色模型精度判定如表3所示。

表2 内蒙古地区1995-2012年能源消费总量及煤炭消费量实际值与预测值

表3 灰色预测模型精度等级

表4 能量消费总量及煤炭、石油及天然气消费量预测模型精度检验

4 结论及分析

内蒙古地区煤炭生产消费量与能源生产消费量的关联性最强，综合关联度分别为0.97及0.95，均位列第一，2020年能源消费总量将达到61006万吨标准煤，煤炭消费量将达到34977万吨标准煤。内蒙古地区能源消费由煤炭消费主导，在短期时间内难以撼动，这是由其资源禀赋及煤炭巨大基数所决定的。

受限于储量增长疲软，石油产量与能源总产量相关性较天然气较小，综合关联度为0.58，位列第三。石油与能源总消费量综合关联度为0.64，排名第二，天然气综合关联度为0.51，略小于水电、核电及其他能发电，位列第四。消费结构中，天然气消费市场发育相对不足，管网建设尚未完善，民用天然气消费还未广泛普及，与能源消费总量的综合关联度仅为0.51，远低于煤炭和石油的综合关联度。水电、核电及其他能发电等可再生能源与能源消费总量的综合关联度排名暂时靠前。能源生产与消费关联系数不对称，说明内蒙古地区能源结构有待进一步调整和完善。

内蒙古地区大量以煤炭为主导的能源消费必然带来严重的环境污染，深入贯彻“清洁、新型、绿色”理念，采取一系列措施改变“一煤独大”的能源消费结构，对于提高内蒙古地区经济发展质量具有十分重要的意义。

(1)积极转变能源工业发展模式，整合资源优势建设现代煤化工生产示范基地。适度控制原煤外输规模，由单纯生产原煤型向能源重化工型转移，提升煤炭就地转化率，积极推进煤制油、煤制甲醇、煤焦化等综合利用煤炭资源的煤化工项目，形成煤、电高载能产品，煤、焦高附加值化工产品，煤气化、液化产品系列，将内蒙古地区建设成我国绿色清洁能源输出基地。

(2)调整能源消费结构，提升清洁能源消费比例。加大石油、天然气、煤层气等资源的勘探开发，稳定石油产能，扩大天然气产能，提高石油、天然气等清洁能源消费比例；着力突破一批关键技术，培育风能、太阳能等可再生能源，加强太阳能发电系统建设及运营、风力发电场建设及运营；利用生物质能源潜力巨大的优势，以沼气为中心建立农村新能量物质循环系统，支持生物质能发电及生物质能转电项目，建设国家级生物质能利用基地[7]。

(3)大力发展循环经济，加强资源循环利用。加强产业之间横向耦合，纵向延展，构建煤—电—化、煤—电—冶、煤—电—云计算等循环产业链，建立循环产业集群，提升资源消耗及废弃物综合利用率，建立循环经济产业园，培育一批循环经济龙头企业[7]，在社会消费环节大力倡导绿色消费理念。

(4)淘汰落后产能，积极调整产业结构。采用经济、技术及行政手段，以环境保护、资源节约、高效益等为约束条件，淘汰落后产能，推动企业间兼并、收购、重组；积极调整产业结构，提升服务业占比及质量，着力发展生产性服务业、生活性服务业及高技术服务业，推动内蒙古地区大型云计算数据中心建立[8]，发挥独有文化特色开发旅游新品种，鼓励社会资本参与高科技成果转化实体环节，建设大型服务业聚集区。

[1]林伯强.中国能源需求的经济计量分析[J].统计研究,2001(10)：34-39.

[2]林伯强,魏巍贤,李丕东.中国长期煤炭需求：影响与政策选择[J].经济研究,2007(2)：48-58.

[3]孙涵,杨普容,成金华.基于Matlab支持向量回归机的能源需求预测模型[J].系统工程理论与实践,2011(10)：2001-2007.

[4]贾立江,王韶华,范德成.考虑能源消耗对经济灵敏度的能源结构预测[J].统计与决策,2012(15)：28-31.

[5]周德田,郭景刚.能源效率视角下中国能源结构的灰色关联及通径分析[J].中国石油大学学报(社会科学版),2013(1)：6-11.

[6]李治国,郭景刚,邓平.基于灰色关联理论的区域能源结构研究［J］.中外能源,2012,17(6)：95-97.

[7]张鹏.低碳经济视角下内蒙古能源结构调整研究[J].内蒙古煤炭经济,2011(1)：57-59.

[8]内蒙古自治区人民政府.关于产业结构调整的指导意见[Z].呼和浩特：内蒙古自治区人民政府,2013.

[9]庞家幸,陈兴鹏,王惠榆.甘肃省能源消耗与经济增长的关系研究及能源消耗预测[J].干旱区资源与环境,2014(2)：31-36.

[10]韩君,梁亚民.趋势外推与ARMA组合的能源需求预测模型[J].兰州商学院学报,2005(6)：92-95.

[11]姚永玲.北京城市发展中的能源消耗影响因素分析[J].中国人口·资源与环境,2011(7)：40-45.

[12]林伯强,姚昕,刘希颖.节能和碳排放约束下的中国能源结构战略调整[J].中国社会科学,2010(1)：58-71.

[13]杨德平,刘喜平,孙海涛,等.经济预测方法及MATLAB实现[M].北京：机械工业出版社,2012：181-16.

[14]Lin,B.Q.An Econometric Analysis of Energy Demand in the People.s Republic of China[J].Statist-ic Research,2001(10)：9-34.

[15]陈玉金,刘建永,李凌,等.基于神经网络回归分析组合模型的能源消耗预测研究[J].兵工自动化,2008(11)：59-60.

[16]王立杰,孙继湖.基于灰色系统理论的煤炭需求预测模型[J].煤炭学报,2002(3)：333-336.

The Energy Consumption Forecast of Inner Mongolia Based on the Generalized Grey Model

TONG Quange1,2, SUN Han1,2, CHENG Jinhua1,2, WANG Hongjian1(1.School of Economics and Management, China University of Geosciences, Wuhan Hubei 430074; 2.Research Center of Resources and Environmental Economics, China University of Geosciences, Wuhan Hubei 430074)

On the basis of qualitative analysis of energy structure of Inner Mongolia, using the energy statistics between 1995 and 2012, generalized grey correlation and prediction model is established. The results show that in Inner Mongolia, the correlation of production and consumption between coal and total energy is far better than that of oil, natural gas, hydroelectricity and nuclear electricity, and other energy generation; of which the coal is the predominant role in increasing the total energy production and consumption. Through forecasting the total energy consumption and coal consumption between 1995 and 2012 in Inner Mongolia by using gray prediction method GM(1, N), we gets the test results that the precision of prediction model with regard to total energy consumption and coal consumption is high. Furthermore, by using this model, this paper forecasts that total energy use in Inner Mongolia will reach 610.06 million tons of standard coal, and coal consumption will reach 349.77 million tons of standard coal by 2020. For this reason, this paper proposes that we must actively change the energy industry development model, adjust energy consumption structure, and promote clean energy consumption ratio. On the other side, we must work energetically to develop the circular economy, eliminate backward production capacity, and adjust the industrial structure positively.

the gray correlation prediction model; energy consumption; coal consumption; Inner Mongolia

F407.1；F062.1

C

1672-6995（2015）04-0053-05

2014-10-31；

2014-11-23

国家自然科学基金（71103164)

童泉格（1989-），女，湖北省黄冈市人，中国地质大学（武汉）博士研究生，研究方向：能源经济、能源管理、循环经济。