GM（1，1）模型對我國能源消費量的預測及分析

寇愛青 周偉 胡巧珍

[摘 要]能源問題是我國長久以來需要關注的主要問題之一，對我國經濟社會發展有著重要的制約作用。由于該數據具有樣本少、信息不確定等特性，文章運用GM（1，1）模型對其進行預測。通過對數據進行一次累加、生成緊鄰均值序列和構建灰色白化方程等過程，選取近6年我國能源消費量的數據為樣本，對能源消費量進行擬合與預測，以證實該項目的可行性與準確性。

[關鍵詞]GM（1，1）模型；能源消費量；預測

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

1 引 言

能源問題是我國長久以來關注的重要問題之一，充足的能源保障能推動中國的快速發展。在當今世界經濟全球化大背景下，了解能源消費量的趨勢有重要意義。

在能源方面，許多學者進行了具體的研討與探索：如通過能源投入產出表對外向型經濟等進行實證研究（徐盈之等，2010）；如運用VEC模型分析了我國三個產業的能源利用與經濟增長的相關數據（邵慶龍，2017）以及采用LMDI分解與計量模型對我國能源強度變動進行實證研究（張瑞等，2018）。

由于我國的能源消費情況在不同的時期的增長情況有很大的差異性，體現為幾年會有一個新的趨勢，歷年的能源消費數據屬于不確定性的小樣本數據，故可以利用GM（1，1）模型來做預測研究。

中國學者創建的灰色系統理論，是一種分析少數據、貧信息不確定性問題的新方法（鄧聚龍，1986）。它的主要分析對象是“部分信息已知、部分信息未知”的“小樣本”“貧信息”不確定系統，通過對“部分”已知信息的生成、開發等措施，提取有價值的信息，從而完成對系統運轉行為、演變規律等的正確描繪和有效監控，GM（1，1）模型是其基礎和核心。第一方面，一些學者通過灰色模型對生活中的活動、趨勢等進行研究。如通過灰色模型探索出一種新方法在無約束室外環境下增強HoG檢測行人（Cootes and Taylor，1994）以及用灰色建模對廢舊汽車回流進行預測（Ene and ztürk，2017）。第二方面，一些學者將灰色模型應用到運輸預測中，如Bezuglov and Comert（2016）通過灰色模型對短期高速公路交通參數進行預測。第三方面，一些學者將灰色模型系統與其他數學模型相結合，對灰色模型進行改進，從而提高其預測的準確性：如Xu等（2011）結合最小二乘法改進灰色模型并通過例子驗證其可行性。

雖然很多人對我國的能源消費情況做過一些研究，GM（1，1）模型也被廣泛地運用在各個領域，但是幾乎沒有人將二者結合做過相應的預測。由于優化后的GM（1，1）模型和經典的GM（1，1）模型預測最終結果相差不大，故文章主要采用經典GM（1，1）模型對我國能源消費狀況進行研究。

2 研究方法

經典的GM（1，1）預測模型適用于小樣本數據且具有計算簡單等特點，本節將具體講述GM（1，1）預測模型及其詳細的運算步驟。

2.1 GM（1，1）預測模型

傳統灰色預測模型是基于一定樣本進行的一次性預測。其認為，系統的行為現象雖然是朦朧的，數據是復雜的，但它畢竟是有序的，是有整體性能的?；疑Ｐ陀腥缦乱恍﹥烖c：不需要大量的樣本；樣本不需要有規律性分布；計算工作量??；定量分析結果與定性分析結果不會不一致；可用于近期、短期和中長期預測；灰色預測精準度高等。

2.2 GM（1，1）模型運算步驟

下面介紹鄧聚龍教授所提出的GM（1，1）模型的具體運算步驟。

3 案例分析

將經典的GM（1，1）預測模型運用在我國能源消費量的預測是非常合適的，下面將具體講述GM（1，1）模型在該項目的應用。

3.1 數據獲取和模型計算

我國能源消費總量及其詳細的消費總量數據來源于國家統計局（見表1）。選取2011—2015年我國能源消費總量為建模數據，2011年為起始年，2016年數據為模型檢驗數據，詳見下表。

文章基于GM（1，1）模型對我國能源消費量進行預測，通過該模型可以得到2016年我國能源消費量預測值為442109.0萬噸標準煤。由于2016年實際值為436000.0萬噸標準煤，可以看出，該GM（1，1）模型對于我國能源消費量的預測有一定的可行性，預測結果較為準確。

4 結 論

文章通過GM（1，1）模型對我國能源消費總量進行預測，預測結果有一定的可行性與準確性。我國能源消費總量情況長久以來也有很大的變化，所以對于我國能源消費總量若選取太長的歷史階段反而預測效果不好。因此，文章選取近幾年的數據做預測。

從預測結果來看，我國對于2016年的能源消費總量會稍有上升，和實際值相差不多，故此模型對該項目的研究具有重要的理論意義和實踐意義。同時需要指出的是，該模型只適用于短期或中長期的預測，想要對一些長期的問題做預測還有一定的限制。

參考文獻：

[1]徐盈之，彭歡歡.外向型經濟與節能減排——基于能源投入產出表的實證研究[J].軟科學，2010，24（4）：34-38.

[2]邵慶龍.中國經濟增長與三個產業能源消耗的結構調整[J].科研管理，2017，38（1）：127-136.

[3]張瑞，丁日佳.能源價格、經濟增長與我國能源強度的變動——基于LMDI分解與計量模型的實證研究[J].軟科學，2018，32（3）：72-76.

[4]鄧聚龍.灰色系統預測與決策[M].武漢：武漢華中理工大學出版社，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.