基于灰色马尔科夫模型昆明市能源消费量预测是关于灰色方面的论文题目、论文提纲、青木亚麻灰论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
【摘 要】本文以昆明市的能源消费量为预测对象,采用现如今较为流行组合模型进行预测,本文在根据所选数据特点基础上,建立GM(1,1)模型和马尔科夫预测模型(以下简称灰色马尔科夫模型)的优化组合模型,对昆明市“十三五”未来几年能源消费量进行预测.得到:(一)未来几年昆明市能源消费量逐渐增加,从2016年的2351.89万吨标准煤增加到2020年的2788.40万吨标准煤,年平均增长率为3.6%(二)灰色马尔科夫模型既能发挥灰色GM(1,1)模型能对长期趋势预测精确的优势,又能发挥马尔科夫预测模型对波动性数据预测的准确性,所以灰色马尔科夫模型不仅短期预测预测精准度高,而且在中长期预测也准确度高.我们可以把该模型推广到其它领域上进行短期预测或者中长期预测上.
【关键词】昆明市 能源消费量 GM(1,1) 马尔科夫
能源是关系到一个国家经济发展的战略性和全局性问题,能源关系到国家经济的发展、居民生活水平的改善以及整个社会的长治久安.国家的“十二五”规划首次把合理控制能源消费量作为一项主要指标纳入能源发展规划中,要想更好的进行能源规划就需要对能源消费量精准的预测.
国内外研究能源消费量预测的方法不少,总的来说可以分为两种类型,一种是通过单一模型进行预测,另外一种是通过组合模型进行预测.最初,大都是通过单一模型来进行预测的,但单一模型存在着预测精准度不高等问题,为了提高预测的精准度学者开始普遍使用组合预测模型.
昆明市是云南省是能源消费量最多的地级市,《昆明市“十三五”能源发展规划》中明确提出全市2020年的能源消费量控制在3100万吨标准煤以内.2016年昆明市的能源消费量为2351.89万吨标准煤,虽然“十二五”期间昆明市的能源消耗强度下降,但相比于其它地区仍是处于较高水平的状态,并且在能源消费结构方面上煤炭消费所占比重较高,清洁能源消费比例低.在能源消费量的逐年增加和煤炭消费比重居高不下的不利局面,科学预测昆明市未来几年能源消费量对昆明市完成昆明市能源“十三五”规划制定的任务具有重要意义.
一、模型选择以及简介
通过阅读国内外学者对能源消费量预测的文献,深入学习了各种单一预测模型和各种组合预测模型.用不同的模型对相同的数据进行预测,我们得到的预测结果和预测的精准度是存在一定的差异.根据我们所选取时间段的数据的特征,我们选择建立灰色马尔科夫模型的组合预测模型,对昆明市能源消费总量进行预测和分析.
(一)马尔科夫预测模型介绍
马尔可夫预测模型是以马尔可夫名字命名的一种特殊的预测方法.马尔科夫预测模型是根据时间目前状况预测未来各个时刻变动状况的一种方法.马尔科夫认为对于一个系统,由一个状态转至另一个状态的转换过程中,存在着转移概率,并且这种转移概率可以依据其紧接的前一种状态推算出来,和该系统的原始状态和此次转移前的过程无关.从一个状态转换到另一个状态的可能性,我们称之为状态转移概率,所有状态转移概率的排列即是转移概率矩阵.
(二)GM(1,1)模型介绍
GM(1,1)模型是称灰色预测法中的一种类型,灰色预测是上个世纪邓龙教授提出来的一种预测方法.灰色预测是一种对含有不确定因素的系统进行预测的方法,灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程,从而预测事物未来发展趋势的状况.
二、模型建立
(一)馬尔科夫预测模型建模步骤
1.划分状态.根据数据的特点将数据划分成几种状态.假设用表示预测值对实际值的偏离程度,那么我可以将所有的偏离程度划分成m个状态空间.
2.建立状态转移矩阵.在划分完状态空间后,我们令Mij为从状态i经过m步转移成为状态j的概率,则我们建立起m步状态转移概率矩阵:
状态转移矩阵反映了各状态之间的转移规律,通过初始状态和状态转移矩阵,就可以预测未来的发展趋势.本文所使用的是一步转移状态矩阵,通过考察一阶状态转移概率矩阵P(1)可以确定预测对象的下一步转移状态,需要注意的是当状态矩阵P(1)中某行有2个或2个以上概率值是同一数时,我们需要参考两部转移甚至多步转移矩阵来确定最终的未来发展趋势.
3.计算预测值.在未来预测的状态区间以及转移概率确定好后,我们根据划分的区间范围,确定最终的预测值.
(二)GM(1,1)建模的步骤
1.数据处理.为了弱化原始序列的随机性问题,在建立灰色预测模型前需要对原始时间序列进行处理.数据处理方式有两种,一种是累加,一种是累减.本文选择的是累加的数据处理方式,所以我们介绍累加数据处理方式的规则,累加规则是:将原始序列的第一个数据作为生成列的第一个数据,将原始序列的第二个数据加到原始序列的第一个数据上,其和作为生成序列的第二个数据,将原始序列的第三个数据加到生成序列的第二个数据上得到生成序列的第三个数据,按此规则继续下去,便得到生成序列.
记原始序列为:
■
生成序列为:
■
上标1表示一次累加,同理,可做m次累加,
■
2.GM(1,1)模型的建立.设时间序列■■有n个观测值,通过累加生成新序列,
■
则GM(1,1)模型相应的微分方程是:
■
其中:α为发展系数,μ为内生控制灰数.
设■为待估参数向量,■,可利用最小二乘法求解.解得:
■
求解微分方程,即可获得预测模型:
■
K等于0,1,2,...,n.
三、实证研究
总结:本论文为免费优秀的关于灰色论文范文资料,可用于相关论文写作参考。
参考文献:
1、 区域产业能源消费量预测模型 摘要:针对目前区域产业能源供求矛盾及现有的能源预测模型缺乏对具体区域产业、产品进行能源消费量的预测等问题,鉴于我国存在区域差异、产业布局差异等特。
2、 基于灰色马尔科夫模型波动通流量预测 摘要:针对目前短时交通流量预测中在精度方面的不足,提出灰色马尔科夫波动性交通流量预测模型,用于现有道路、新建或改扩建道路断面或交叉口进出口道短时。
3、 中长期电量预测傅里叶马尔科夫修正模型 摘 要:灰色模型在中长期电量预测中只对电量呈近似指数规律单调增长的序列才有较高的预测精度 随着电量变化随机波动性的增强,建立新的修正预测模型是十。
4、 改进初值∏隐马尔科夫模型预测电池健康度 摘 要:针对电动汽车所使用的锂离子电池剩余寿命难以检测的问题,分析影响电池寿命衰退的因素,建立改进初值的隐马尔科夫模型对锂离子电池寿命衰退进行预。
5、 基于隐马尔科夫模型的fMRI脑激活检测 摘 要:本文介绍了一种基于隐马尔科夫模型(HMM)的分析核磁共振图像(fMRI)数据的无监督学习模型,与一般线性模型(GLM)方法不同,GLM的。