一种天然气需求量预测新模型及其应用以川渝地

0 引言

由于经济发展、城镇化建设、环保政策等因素的需要，天然气作为优质高效的绿色清洁能源，将为后疫情时代中国经济“绿色复苏”、实现碳达峰、迈向碳中和作出重要贡献。《能源生产和消费革命战略（2016—2030）》提出实施天然气推广利用重大战略行动[1]，加快天然气替代散煤步伐、大力发展天然气分布式能源。《加快推进天然气利用的意见（2017）》强调将天然气培育成为我国现代清洁能源体系的主体能源[2]。天然气消费量显著增长，2019年四川、重庆地区的天然气消费量占各自能源总量的比重分别为17.0%和15.3%，在全国处于领先水平，但仍低于世界平均水平（24%），未来川渝地区天然气市场仍具有较大增长空间。

深入分析并准确预测天然气需求量，不仅是相关部门制订清洁低碳、安全高效现代化能源体系发展政策的基础，也是建立天然气供需预测预警机制的内在需求。但天然气需求量受诸多因素的制约，由于因素的动态随机不确定性，因素之间相互影响的程度难以确定，准确预测存在较大难度。笔者采用灰色相对关联度挖掘影响天然气需求量的重要因素，基于逐步回归法构建了预测精度高的双对数需求函数模型，并对川渝地区天然气需求量进行了预测。

1 相关研究现状

天然气需求量预测结果受诸多因素的影响，这些因素大多数具有显著的动态随机不确定性特征，部分因素之间还存在某种线性或非线性关系，传统简单的预测模型不能满足其预测精度的要求[3]。不同的预测方法从不同角度揭示了预测对象的演变规律，选用合适的数学模型是提高天然气需求量预测精度的关键。近年来天然气需求量预测模型呈多元化发展态势，并得到了较好的实践和发展[4]。例如，从天然气需求量影响因素方面，王建良等[5]采用邓氏灰色关联度从GDP、人口、产业结构、城镇化率等因素中选择3个核心因素，建立灰色GM（1,3）模型，对我国东中西部区域的天然气消费需求量进行预测；卢全莹等[6]筛选出GDP、城镇化率、人口3个核心因素，构建了基于神经网络的预测模型；Szoplik[7]构建神经网络模型预测天然气需求量的演变趋势；柴建等[8]也认为可采用人口、GDP、城镇化率、产业结构等因素作为预测天然气需求量的解释变量，并建立了BMA模型、RBF分位数回归模型[9]预测未来天然气需求量；Zhang等[10]将国内生产总值、人口、消费水平等因素作为解释变量，采用贝叶斯模型平均法预测天然气消费量；Shahbaz等[11]构建了多元框架模型，研究经济增长对巴基斯坦天然气需求量的影响。另外，马小艳[12]、李洪兵等[13]利用线性回归模型分别对重庆市天然气和湖北省城市天然气需求量进行预测，Zhu等[14]也利用回归模型对全国天然气需求量进行了预测分析。通过对上述文献的研究结果发现，天然气需求量驱动因素出现频次较高的有国内生产总值、产业结构、人口发展、城镇化率、消费水平5个影响因素。预测模型中灰色预测方法适用于范围较广的短期预测，但预测精度有所下降[9]；神经网络模型的预测精度虽然较高，但容易出现过度学习且易陷入局部最小，从而降低泛化性[3]；线性回归模型建模迅速、简单方便，但难以刻画复杂的非线性数据演变趋势，且精度不够理想。

基于上述分析，在天然气需求量预测中，选择的诸因素不可能同时都能通过统计显著性检验，并且若将较多的自变量同时选入同一预测模型，将不可避免地导致不同程度的多重共线性问题。为此，笔者利用灰色相对关联度刻画两两变量之间的关联程度，剔除存在多重共线性关系的自变量，挖掘不同地区天然气需求量的重要影响因素。天然气需求量预测数学模型选择应用较广泛的双对数需求函数模型[15-17]，该数学模型能避免预测过程中异方差与异常值的问题[16]，降低复杂非线性数据的预测误差，预测精度较高且拟合参数具有明确的经济含义。采用逐步回归法逐一精细分析各影响因素对天然气需求量的统计显著性，剔除未通过显著性检验的因素，并采用最小二乘法估计待定参数，构建以“最少”解释变量解释最多天然气需求量变异量的“最佳”逐步回归分析双对数需求函数模型，并利用该模型对川渝地区天然气中长期需求量进行了预测。

2 相关方法和原理

2.1 灰色相对关联度

灰色相对关联度是灰色关联分析的一种重要方法，其基本思想是根据数据序列之间几何曲线发展变化趋势的紧密程度来判断数据序列的关联程度[18]，克服了传统数理统计方法要求样本数据众多且必须具备某种概率分布特点的不足，也弥补了定性分析与量化分析结果相互矛盾的缺陷。两两数据序列几何曲线变化速率越接近，关联度就越大，反之越小。采用灰色相对关联度挖掘对天然气需求量影响较重要的有效驱动因素。计算步骤如下：

上一篇：新时期天然气销售现状及其营销策略研究
下一篇：没有了