一种预测能源需求总量的ta-ps模型.doc

管理科学与工程专业毕业论文 精品论文 一种预测能源需求总量的TA-PS模型关键词：能源需求 组合预测 TA-PS模型 支持向量机摘要：能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。正文内容 能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。能源是人类生存、经济发展、社会进步和现代文明不可缺少的重要物质资源。科学地对能源需求进行预测，对于制定正确的能源发展规划，促进我国国民经济的发展以及构建节约型社会具有重要的意义。本文在分析能源需求影响因素的基础上，从能源系统的非线性特征出发，将时间序列预测和回归预测相结合，提出了预测我国能源需求总量的TA-PS模型。 1、从我国能源的供给和消费现状入手，探讨了能源供给、消费和需求之间的关系；采取定性、定量相结合的方法分析了经济增长、产业结构、能源消费结构、人口和城市化水平、能源价格等因素对能源需求的影响，并对这些影响因素进行了多元相关分析。 2、构建了预测我国能源需求总量的TA-PS模型。先用确定性加随机性时间序列分析的方法，消除我国能源需求序列的增长趋势，对非趋势分量即残差序列进行ARMA建模，得到趋势外推与ARMA相结合的时间序列模型，即TA模型。同时，为了消除影响因素之间的信息重叠，用主成份分析对输入变量集进行预处理，并考虑到神经网络在小样本条件下不稳定以及过拟合的缺点，采用支持向量机对我国能源需求总量进行回归建模，得到能源需求预测的PS模型。然后将时间序列分析和回归分析相结合.分别构建并联和串联两种TA-PS模型。 3、用19782006年的数据对所建模型进行实证分析，结果表明串联型TA-PS模型具有更好的可解释性，是一种比较有效的预测方法。根据该模型对我国2010、2020年的能源需求总量进行预测，结果分别为26.56亿吨标准煤和45.45亿吨标准煤，与国内权威学者的预测结果一致，对制定能源政策具有一定的参考价值。特别提醒：正文内容由PDF文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 。如还不能显示，可以联系我q q 1627550258 ，提供原格式文档。 " 垐垯櫃换烫梯葺铑?endstreamendobj2x滌?U'閩AZ箾FTP鈦X飼?狛P?燚?琯嫼b?袍*甒?颙嫯'?4)=r宵?i?j彺帖B3锝檡骹>笪yLrQ#?0鯖l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛>渓?擗#?"?#綫G刿#K芿$?7.耟?Wa癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb皗E|?pDb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$F?責鯻0橔C,f薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍G?螪t俐猻覎?烰:X=勢)趯飥?媂s劂/x?矓w豒庘q?唙?鄰爖媧A|Q趗擓蒚?緱鳝嗷P?笄nf(鱂匧叺9就菹$