GM（1，1）模型对我国能源消费量的预测及分析

寇爱青 周伟 胡巧珍

[摘 要]能源问题是我国长久以来需要关注的主要问题之一，对我国经济社会发展有着重要的制约作用。由于该数据具有样本少、信息不确定等特性，文章运用GM（1，1）模型对其进行预测。通过对数据进行一次累加、生成紧邻均值序列和构建灰色白化方程等过程，选取近6年我国能源消费量的数据为样本，对能源消费量进行拟合与预测，以证实该项目的可行性与准确性。

[关键词]GM（1，1）模型；能源消费量；预测

[DOI]10.13939/j.cnki.zgsc.2018.16.015

1 引 言

能源问题是我国长久以来关注的重要问题之一，充足的能源保障能推动中国的快速发展。在当今世界经济全球化大背景下，了解能源消费量的趨势有重要意义。

在能源方面，许多学者进行了具体的研讨与探索：如通过能源投入产出表对外向型经济等进行实证研究（徐盈之等，2010）；如运用VEC模型分析了我国三个产业的能源利用与经济增长的相关数据（邵庆龙，2017）以及采用LMDI分解与计量模型对我国能源强度变动进行实证研究（张瑞等，2018）。

由于我国的能源消费情况在不同的时期的增长情况有很大的差异性，体现为几年会有一个新的趋势，历年的能源消费数据属于不确定性的小样本数据，故可以利用GM（1，1）模型来做预测研究。

中国学者创建的灰色系统理论，是一种分析少数据、贫信息不确定性问题的新方法（邓聚龙，1986）。它的主要分析对象是“部分信息已知、部分信息未知”的“小样本”“贫信息”不确定系统，通过对“部分”已知信息的生成、开发等措施，提取有价值的信息，从而完成对系统运转行为、演变规律等的正确描绘和有效监控，GM（1，1）模型是其基础和核心。第一方面，一些学者通过灰色模型对生活中的活动、趋势等进行研究。如通过灰色模型探索出一种新方法在无约束室外环境下增强HoG检测行人（Cootes and Taylor，1994）以及用灰色建模对废旧汽车回流进行预测（Ene and ztürk，2017）。第二方面，一些学者将灰色模型应用到运输预测中，如Bezuglov and Comert（2016）通过灰色模型对短期高速公路交通参数进行预测。第三方面，一些学者将灰色模型系统与其他数学模型相结合，对灰色模型进行改进，从而提高其预测的准确性：如Xu等（2011）结合最小二乘法改进灰色模型并通过例子验证其可行性。

虽然很多人对我国的能源消费情况做过一些研究，GM（1，1）模型也被广泛地运用在各个领域，但是几乎没有人将二者结合做过相应的预测。由于优化后的GM（1，1）模型和经典的GM（1，1）模型预测最终结果相差不大，故文章主要采用经典GM（1，1）模型对我国能源消费状况进行研究。

2 研究方法

经典的GM（1，1）预测模型适用于小样本数据且具有计算简单等特点，本节将具体讲述GM（1，1）预测模型及其详细的运算步骤。

2.1 GM（1，1）预测模型

传统灰色预测模型是基于一定样本进行的一次性预测。其认为，系统的行为现象虽然是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体性能的。灰色模型有如下一些优点：不需要大量的样本；样本不需要有规律性分布；计算工作量小；定量分析结果与定性分析结果不会不一致；可用于近期、短期和中长期预测；灰色预测精准度高等。

2.2 GM（1，1）模型运算步骤

下面介绍邓聚龙教授所提出的GM（1，1）模型的具体运算步骤。

3 案例分析

将经典的GM（1，1）预测模型运用在我国能源消费量的预测是非常合适的，下面将具体讲述GM（1，1）模型在该项目的应用。

3.1 数据获取和模型计算

我国能源消费总量及其详细的消费总量数据来源于国家统计局（见表1）。选取2011—2015年我国能源消费总量为建模数据，2011年为起始年，2016年数据为模型检验数据，详见下表。

文章基于GM（1，1）模型对我国能源消费量进行预测，通过该模型可以得到2016年我国能源消费量预测值为442109.0万吨标准煤。由于2016年实际值为436000.0万吨标准煤，可以看出，该GM（1，1）模型对于我国能源消费量的预测有一定的可行性，预测结果较为准确。

4 结 论

文章通过GM（1，1）模型对我国能源消费总量进行预测，预测结果有一定的可行性与准确性。我国能源消费总量情况长久以来也有很大的变化，所以对于我国能源消费总量若选取太长的历史阶段反而预测效果不好。因此，文章选取近几年的数据做预测。

从预测结果来看，我国对于2016年的能源消费总量会稍有上升，和实际值相差不多，故此模型对该项目的研究具有重要的理论意义和实践意义。同时需要指出的是，该模型只适用于短期或中长期的预测，想要对一些长期的问题做预测还有一定的限制。

参考文献：

[1]徐盈之，彭欢欢.外向型经济与节能减排——基于能源投入产出表的实证研究[J].软科学，2010，24（4）：34-38.

[2]邵庆龙.中国经济增长与三个产业能源消耗的结构调整[J].科研管理，2017，38（1）：127-136.

[3]张瑞，丁日佳.能源价格、经济增长与我国能源强度的变动——基于LMDI分解与计量模型的实证研究[J].软科学，2018，32（3）：72-76.

[4]邓聚龙.灰色系统预测与决策[M].武汉：武汉华中理工大学出版社，1986.

[5]COOTES T F ，& TAYLOR C J. Using grey-level models to improve active shape model search[J].Iapr International Conference on Pattern Recognition，Conference A：Computer Vision & Image Processing，1994（1）：63-67.

[6]ENE S ，& ZTURK N. Grey modelling based forecasting system for return flow of end-of-life vehicles[J].Technological Forecasting & Social Change，2016：115.

[7]BEZUGLOV A ， & COMERT G. Short-term freeway traffic parameter prediction： application of grey system theory models[J].Expert Systems with Applications，2016（62）：284-292.

[8]XU J， TAN T， TU M， & Qi L. Improvement of grey models by least squares[J].Expert Systems with Applications，2011，38（11）：13961-13966.