中国东中西部地区天然气需求影响因素分析及未来走势预测

王建良 李 孥

1.中国石油大学（北京）经济管理学院 2.中国油气产业发展研究中心

0 引言

近年来，受环境约束、政策支持等因素的影响，天然气逐渐成为我国实现低碳经济发展、能源供应清洁化的重要选择。2014年国务院印发《能源发展战略行动计划（2014—2020年）》[1]，指出要加快构建清洁、高效、安全、可持续的现代能源体系，同时要推行区域差别化能源政策，针对不同区域生态环境及经济发展的特点，实行不同的能源消费及开发政策。我国的天然气资源分布与消费存在明显的区域特征，东部地区经济发达，对天然气需求较大，但资源缺乏，主要依靠“西气东输”及从外部进口来保障需求；而中西部地区天然气资源丰富，但由于人口稀少、经济相对落后，对天然气的需求量较小，限制了该区天然气消费市场的发展。

天然气市场的这种区域特征要求我国在天然气战略的推进和实施过程中，需要立足于区域实际，科学有效地进行天然气发展战略规划设计。基于此，笔者对中国东部、中部和西部地区天然气需求的影响因素进行分析，研究不同区域天然气消费的主要驱动因素，并据此对各地区的天然气需求量进行预测。

1 相关研究现状

对于天然气需求影响因素的研究，学者们进行了多个角度与层次的探索：高建等[2]采用迪式对数指标分解法（LMDI），将天然气需求驱动因素分解为空间扩张、管网密度、人口密度、人口城镇化、居民天然气气化率、能源消费弹性、天然气替代、经济增长和管道规模，并定量分析各效应对城市天然气消费量变动的贡献率；邹才能等[3]在人工智能和大数据的基础上，综合油气供给结构、地缘政治、进口路径、油气库存、气候变化及人口规模等因素，分析油气消费特征；王风云等[4]构建了随机效应变系数面板数据模型，表明地区经济增长、常住人口、城镇发展与产业结构是影响京津冀能源消费结构变化的主要因素；甄仟等[5]通过分解技术方法，识别出经济发展、能源消费结构、能源强度、天然气管道建设及管道设施的服务效率是影响天然气需求的重要因素；徐国政[6]运用LMDI探讨化石能耗结构效应、非清洁能耗结构效应、能源强度效应和经济规模效应对我国天然气消费增量的影响；杨俊等[7]采用因子分析、回归分析等方法确定出消费强度、消费总量和增长速度是影响我国天然气消费水平的主导因子，而地区居民收入水平、人口、管网建设、产业结构、季节性温度也在拉动天然气消费；赵晓琴等[8]分析了国民经济、能源政策、人口、天然气管道建设、产业结构、能源消费结构对天然气消费的影响，并采用灰色关联度模型确定出人均GDP、第二产业产值和人口为影响天然气消费的主要因素；穆献中等[9]综合考虑了城镇化、居民生活水平、产业结构、环保政策等因素对天然气需求的影响，建立了中国天然气供需系统动力学模型。需要注意的是，上述研究更多是关注全中国或部分省市，较少关注区域天然气消费驱动因素。为此，通过综合现有研究成果，笔者归纳出经济发展（GDP）、产业结构、环保机制、城镇化率、人口密度、能源消耗强度、能源消费结构为影响天然气需求的主要潜在因素。这些潜在因素将是后文分析每一区域具体主导因素的基础。

天然气需求量预测模型近年来呈现出多元化发展的趋势，越来越多样的预测模型在天然气需求量预测方面得到了良好的实践与发展：程柏良等[10]运用低碳模型、灰色模型、线性规划模型构建了天然气需求量预测模型技术框架，并预测了福建2015、2020年的天然气需求量；冯雪等[11]运用神经网络作为非线性集成模型，对我国2013—2015年天然气需求量进行预测；叶志宏等[12]建立了灰色残差GM(1, 1) 模型，对我国天然气需求量进行预测；Ma等[13]利用灰狼算法优化的分数阶时间延迟灰色模型，预测重庆市天然气需求量。Szoplik[14]利用人工神经网络对天然气需求量进行了预测。Gutiérrez等[15]利用龚伯兹模型对西班牙的天然气需求量进行了预测。上述针对天然气需求量的预测大多以单一时间序列数据进行预测，随着天然气需求系统的复杂化以及越来越多的非线性因素的出现，只考虑单一变量的预测并非是最客观的。因此，将外部影响因素考虑到预测过程中，成为天然气需求量预测研究的发展趋势。邹绍辉等[16]选取人均生活用气量、天然气消耗在能源消耗中的占比、经济增长（GDP）和人口城镇化率4个影响因素作为模型的输入因子，运用DDE-BAG算法对天然气需求量估计模型进行优化，进而预测中国2016—2030年的天然气需求量。卢全莹等[17]利用通径分析筛选出人口、城镇化率和GDP等天然气消费的核心影响因素，再运用智能算法RBF神经网络分位数回归（RBF-QRNN）模型对我国天然气消费量进行分析和预测。Li等[18]运用系统动力学模型考虑多种因素对中国总体天然气消费量进行了预测。需要指出的是，相同的影响因素对不同区域天然气需求的影响程度可能是不同的，上述文献均站在全国的角度分析外部因素对天然气需求量预测的影响，而未考虑因地域差异造成的天然气需求差异化。区域差异是天然气需求的一个重要特征，为此，笔者对中国东中西部三大区域天然气需求分别进行分析及预测，考虑相同因素对不同地域天然气需求的影响，利用灰色关联分析挑选出对该地区影响较大的因素，并以此作为影响因素序列，建立分数阶GM（1,N）模型，对三大区域天然气需求量进行预测。

2 方法原理

2.1 灰色关联度分析

灰色关联分析是根据序列曲线几何形状的相似程度来判断其联系是否紧密[19]。灰色关联度模型可以弥补传统数理统计方法要求有大量数据支持，且样本要服从某个典型的概率分布所导致的缺憾，它对样本量的多少无特殊要求且计算量小，也不会出现量化结果与定性分析结果不符的情况。序列曲线几何程度越接近，相应序列之间的关联度就越大，反之就越小。笔者采用灰色关联分析来挑选对中国东中西部天然气需求影响较大的因素。

式中ξ表示分辨系数，一般ξ=0.5。

2.2 分数阶GM(1, 1)预测模型

利用性能更高的分数阶GM(1, 1)模型代替传统的一阶GM(1, 1)模型。分数阶累加算子可以弱化原始数据序列的随机性，使得灰色预测模型解的扰动性变小，以此获得更高的拟合精度。笔者利用分数阶GM(1, 1)模型预测2020—2025年天然气需求影响因素的指标数据，以便为天然气需求的GM(1,N)预测提供数据基础。建模过程如下[20]：

2）对于r阶累加序列X(r)，白化微分方程可表示为：

式中a表示发展系数；b表示灰色作用量。

对该白化方程进行求解，可得时间响应函数为：

3）由于最小二乘估计使误差平方和达到最小，故利用最小二乘法得到参数：

2.3 分数阶GM(1, N)预测模型

同样将分数阶累加算子引入到原始的一阶GM(1,N)模型中，生成分数阶GM(1,N)模型，以该模型来预测中国东中西部天然气需求数据，建模过程如下：

3）分数阶GM(1,N)的白化微分方程为：

对其求解，可得该白化微分方程的时间响应函数为：

5）误差检验。采用平均相对误差绝对值（MAPE）对模型进行拟合效果检验，根据检验结果判断模型的拟合精度，MAPE的精度标准如表1所示。

表1 MAPE精度标准表

3 天然气需求影响因素的确定

3.1 天然气需求影响因素的选取

通过对已有文献的分析与总结，初步确定了7个天然气需求影响因素：地区生产总值、产业结构、环保机制、城镇化率、人口密度、能源消耗强度、能源消费结构，探究其对不同地区天然气需求的影响。

地区生产总值（GDP）与能源消耗是双向关系，即经济发展依赖能源消费，而能源消费取决于经济发展的水平。GDP对天然气消费的影响最为直接，经济发展水平高的地区对天然气的消费需求大，反之，则需求小。

产业结构即各产业产值所占国内生产总值的比重。由于第一、二、三产业能耗指数相差较多，随着产业结构的变迁和调整，能源消费量和消费结构必将受到影响。三大产业中以第二产业的能源需求为最大，其比重直接决定了当地在不同经济发展阶段对能源的需求。因此，笔者采用第二产业产值占当地GDP的比重来代表当地产业结构，进而分析产业结构对天然气消费的影响。

环保机制即环境保护的相关政策及法律法规，其对天然气需求的影响往往是立竿见影的。天然气在环保和能源利用政策的推动下，成为大力发展的清洁能源品种，天然气的需求量也在随之增加。由于环保机制是一个定性指标，笔者用地区环境污染治理投资占该地区GDP的比值来表示环保机制，对其进行量化。

城镇化率指一个地区城镇常住人口占该地区常住总人口的比例。城镇化的推进导致天然气需求的持续增长：一方面，城镇人口的增加导致天然气消费量增长；另一方面，随着城市发展和环境保护的不断升级，居民用气的比例大幅提高，推动天然气需求不断增加。

人口密度指单位面积土地上居住的人口数，是表示各地人口密集程度的指标。随着经济的发展和人均收入的不断增加，人口密度的增加必然会导致天然气消费需求的增加。

能源消耗强度指国家或地区一次能源或最终能源使用总量与GDP的比例，反映国民经济发展过程中能源的利用效率。在大力推动低碳经济发展的背景下，该因素无疑会对天然气消费产生巨大潜在影响。

能源消费结构指天然气消费量占区域能源消费总量的比重。能源消费结构的改变对天然气需求的增长有很大的正向影响。随着我国能源消费结构的不断优化，天然气在一次能源消费结构中的比例不断加大，导致天然气消费需求逐步上升。

1.3 细胞培养和转染 人子宫内膜癌细胞株HEC-1-A接种于含10%小牛血清的DMEM/ F12培养基中，37℃、5%CO2孵箱中常规培养，0.25%胰酶消化传代，将过表达质粒PTEN-OE及其对照质粒(NC)按说明进行转染。转染后72 h，分PTEN-OE组、空载组及正常组，取生长良好、处于对数期的细胞用于实验。

3.2 影响因素数据的收集与整理

天然气需求影响因素的数据均由中国东部、中部和西部各省（直辖市）的数据汇总而来，东部地区包括浙江、福建、广东、山东、辽宁、海南、河北、江苏8个省份和北京、天津、上海3个直辖市；中部地区包括黑龙江、山西、吉林、河南、湖北、安徽、湖南、江西8个省份；西部地区包括四川、贵州、云南、陕西、青海、甘肃6个省份、1个直辖市（重庆市）和宁夏回族自治区、新疆维吾尔自治区、广西壮族自治区、内蒙古自治区共4个自治区。考虑到西藏自治区统计数据不完整，西部地区不包括西藏。

3个区域所用数据均为所包含省、市、自治区的数据之和，各指标数据均来自国家统计局。东、中、西部各项影响因素的数据汇总如表2～4所示。

中国东中西部天然气需求量的数据同样由3个地区所包含的省（直辖市）的数据汇总而来，2006—2016年数据来源于国家统计局，2017—2018年数据来源于wind金融终端，整理出的东中西部天然气需求量数据如表5所示。

3.3 天然气需求影响因素的确定

利用灰色关联度模型计算3个地区不同影响因素与天然气需求之间的关联度值，结果如表6所示。

由表6可知，东部地区与天然气需求关联最大的3个影响因素依次为能源消费结构、GDP和城镇化率；中部地区依次为GDP、能源消费结构和城镇化率，西部地区则依次为城镇化率、产业结构和人口密度。

对于东部地区，能源消费结构为影响天然气需求的最主要因素，其次是GDP，再次是城镇化率。东部地区经济发达，城镇人口密集，环境污染严重，是能源消耗的主阵地，也是能源转型的主战场。天然气作为清洁能源的首要选择，提高其在一次能源消费结构中的比例是东部地区优化能源结构的必经之路。所以，能源消费结构对天然气需求的影响是非常显著的，是影响东部地区天然气需求的主要因素。经济增长也是拉动能源消费的重要因素，东部地区相比其他地区，经济优势明显，由此带动的能源需求也非常庞大，因而GDP对天然气需求的影响不容小觑。东部地区的城镇化率近年来逐步攀升，2018年达67.79%，天然气需求量很大一部分来源于城市居民的生活消费，城镇居民人口的增多使得居民用气量大幅度提高。由此，城镇化率的变化也是影响该区天然气需求的重要因素。

表2 东部地区天然气需求影响因素表

表3 中部地区天然气需求影响因素表

对于中部地区，GDP为影响天然气需求的最主要因素，其次是能源消费结构，再次是城镇化率。中部地区最主要的3个影响因素与东部地区一致，这是由于随着中国的经济布局由东向西逐步转移，中部地区担负起承东启西的作用，东中部地区之间的差异也在逐步减小，均呈现出以经济发展为主导、城镇人口密集、能源供应紧张、环境污染严重的情形。但与东部地区不同的是，经济发展（GDP）在影响中部地区天然气需求方面起主导作用，2007—2018年中部地区GDP和天然气需求量增长率变化如图1所示。

表4 西部地区天然气需求影响因素表

表5 东中西部地区天然气需求量表

表6 东中西部地区天然气需求量与各影响因素之间的关联度结果表

图1 中部地区GDP和天然气需求量增长率变化图

对于西部地区，城镇化率为影响天然气需求的最主要因素，其次是产业结构，再次是人口密度。由此可以看出，影响西部地区天然气需求的主要因素大多与人相关。人口的多少直接影响着天然气的总消费量，也直接影响着天然气资源的人均占有量和利用方式。西部地区土地面积681×104km2，占全国总面积的71%，但人口只有约3.5亿，占全国总人口的28%，截至2018年，西部地区人口密度约为67人/ km2，城镇化率约为53.23%。虽然西部地区天然气资源丰富，但人口的缺失以及城镇化推进缓慢致使天然气的市场需求非常有限，成为制约西部天然气发展的最主要原因。但西部地区相比中东部地区，其资源丰富，各种能源矿产前景可观，由此大量能源密集型产业及工业产业基地应运而生，导致生态环境日益恶化。因此，西部地区的产业结构升级是保证生态文明建设的重要环节。天然气作为一种清洁高效的能源，在优化产业结构方面起到了不可替代的作用。因此，西部地区产业结构调整也会对天然气需求产生较大影响。

4 中国东中西部地区天然气需求量预测

4.1 分数阶GM(1, N)模型预测影响因素指标

主序列需要在相关因素序列已知的情况下进行预测，利用性能较高的分数阶GM(1, 1)模型对2020—2025年的各影响因素数据序列进行预测，结果如表7所示。

表7 天然气需求影响因素指标预测结果表

4.2 分数阶GM(1, N)模型预测天然气需求量

以东中西部地区分别确定出的3个影响因素为多变量灰色预测的相关因素序列，由于相关因素为3个序列，故建立分数阶GM(1, 3)模型，对3个地区的天然气需求进行预测。分数阶GM(1, 3)模型预测的拟合及误差结果如表8所示。

由表8可知，分数阶GM(1, 3)模型预测的2006—2018年东中西部天然气需求量的拟合误差平均值分别为2.41%，2.83%及5.13%，通常来说，当MAPE＜10%时，模型预测精度为“优”，表明该模型对后续预测具有较强的说服力。因此，以分数阶GM(1, 3)模型预测出的2020—2025年东中西部天然气消费量如图2所示，与此对应的各地需求量增长率如图3所示。

由图2、3可知，2018—2025年东中西部地区的天然气需求量均呈现上升趋势，但3个地区的需求量增长率因其经济、人口、消费结构等情况的不同而呈现出一定的差异；其中东部地区的增长率最高，中部地区次之，西部地区增长率最小；并且增长率均呈下降趋势，表明3个地区天然气需求量的增速均有所减缓。到2025年，中国东中西3个地区的天然气需求量将分别达约2 440×108m3、640×108m3和1 000×108m3，而全国天然气需求量届时也将达约4 080×108m3。

5 结论

充分认识天然气需求的区域差异并在此基础上对其未来需求量进行预测，不仅是能源发展政策制定的基础，也是我国构筑现代能源体系的内在需求[21]。笔者将中国天然气需求区域分为东、中、西三个地区，利用灰色关联模型分析其背后驱动因素，然后筛选出对各地区影响最大的3个因素作为天然气需求的主要驱动因素，并据此构建分数阶GM(1,N)预测模型，对各地区未来天然气需求量进行预测。结论分述如下。

表8 东中西部地区天然气需求量拟合及误差结果表

图2 2010—2025年东中西部地区天然气需求量预测结果图

图3 2020—2025年东中西部地区天然气需求量增长率图

1）灰色关联度模型结果显示，对东部地区天然气需求影响最大的3个因素依次为能源消费结构、GDP和城镇化率；对中部地区影响最大的三个因素依次为GDP、能源消费结构和城镇化率，西部地区则依次为城镇化率、产业结构和人口密度。东部地区在规划天然气消费政策方面要着重加强能源消费结构的调整，中部地区要着重调控经济发展与能源消费之间的关系，西部地区要加快城镇化建设，以此来带动天然气消费量的增长。

2）基于3个因素所建立的分数阶GM(1, 3)模型能够很好地拟合历史需求量数据，表明该模型具有良好的预测性能，基于该模型的预测结果显示，2020—2025年中国东中西部地区天然气需求量均呈现稳步上升状态，但受能源改革及外部经济环境的影响，增长率有所减缓。对中国三大区域天然气需求量的预测，为探知天然气市场活跃程度提供了科学依据，对不同地区供气系统的建设、储气调峰体系的完善，以及合理高效的利用天然气资源、保持区域能源经济的可持续发展等提供了重要的参考。