百色学院数学与统计学院 广西百色 533000
摘要:近年来,天然气在能源消费中占据着越来越重要的地位,然而我国天然气市场正面临着供不应求的局面,为了促进我国天然气市场的稳定发展,文中应用灰色系统理论进行建模分析。通过建立PFAGM(1,1)模型对我国城市天然气用气人口量进行拟合和预测分析,得到的分析结果与DGM(1,1)、FGM(1,1)、NGM(1,1,k,c)、和四个模型的结果进行对比,证明了PFAGM(1,1)模型在本次预测中拟合效果和预测效果更优。因此,可运用该模型预测我国城市天然气用气人口量未来的发展状况,为制定天然气政策提供科学性的参考。
关键词:模型;PFAGM(1,1)模型;天然气
项目信息:2020年广西大学生创新创业训练计划立项项目(202010609121)
2021年国家级大学生创新创业训练计划立项项目(202110609047)
1 绪论
随着我国经济的快速发展,城市天然气用气人口量越来越多。根据国家统计局发布的《中国统计年鉴》数据如表1所示:
表1 2005年至2014年城市天然气用气人口总量
时间 | 城市天然气用气人口(万人) |
2005 | 7104.40 |
2006 | 8319.40 |
2007 | 10189.80 |
2008 | 12167.09 |
2009 | 14543.68 |
2010 | 17021.22 |
2011 | 19027.80 |
2012 | 21207.53 |
2013 | 23783.44 |
2014 | 25972.94 |
资料来源:国家统计局《中国统计年鉴》(整理)
图1 2005-2014年我国城市天然气用气人口量的发展趋势
根据表1的数据可知,2005年我国城市天然气用气人口量为7104.4万人,数据呈现逐年增加趋势,经过十年的发展,2014年增加为25972.94万人,比2005年多了18868.54万人,增长了265.59%。同比增长率从2006年的17.10%逐渐增加到2009年的19.53%,之后又逐渐降到2012年的11.46%,然后2013年又回升至12.15%,而2014年时同比增长率最慢的,为9.21%。但总体来看,从2005年到2014年我国城市天然气用气人口量呈现逐年增长的发展趋势,而且发展都较为平稳(如图1所示),这意味着我国城市天然气的需求量会逐渐增加。面对天然气市场供不应求的局面时,需要制定相关的政策,以满足人们的需求。
综上所述,对我国城市天然气用气人口量未来的发展预测具有重大的意义。通过对我国城市天然气用气人口量的预测,有助于制定未来几年长期而有效的天然气政策规划,在天然气供应不足之时,能有强有力的应急措施以满足人们的需求。亦可以促进我国天然气行业的稳定发展,从而推进我国能源的发展。
为了对我国城市天然气用气人口量做出科学的预测,使得预测值可以为制定合理的天然气发展规划提供帮助。首先,文中利用2005年至2014年我国城市天然气用气人口量的统计数据(见表1)作为原始数列进行拟合与预测分析,预测出2015年至2017年的数据。其中,原始数据是一组完全没有规律的数据,通过将其进行累加计算,并通过减弱不确定因素的影响,得到一组规律性比原始数据强的数列。其次,通过建立PFAGM(1,1)模型对我国城市天然气用气人口量进行拟合和预测,并通过与NGM(1,1,k,c)、DGM(1,1)、FGM(1,1)和四种模型的分析结果的均方根误差()和平均绝对百分误差()进行对比,找到更适合本次预测的最优模型,最后,运用该最优模型以2008年至2017年我国城市天然气用气人口量作为原始数据对2018年至2021年进行预测,并且从参考文献中总结出前辈们对我国天然气的研究经验,了解影响我国天然气发展的因素,利用所预测得的数据分析了我国城市天然气用气人口量发展趋势,结合天然气的发展现状对天然气市场供需问题进行总结和建议。
2 相关理论
2.1 PFAGM(1,1)模型的基本原理
2.1.1PFAGM(1,1)模型的定义
在的基础上,根据文献[7]定义可知分数阶幂指数灰色模型的白化方程为
式(1)
简称PFAGM(1,1)模型。其中,称为发展系数,称为幂指数灰色作用量,表示PFAGM(1,1)模型的分数阶累加生成算子的阶数,表示该模型的幂指数参数。
其中方程
式(2)
被称为PFAGM(1,1)模型的基本形式。其中为背景值,且有。
2.1.2 模型求解
令
式(3)
并利用最小二乘估计得到PFAGM(1,1)模型的参数估计为
则模型的时间响应序列为
式(4)
对上式进行累减操作后得到模型的还原值为
式(5)
因此,可利用还原公式计算模拟值和预测值。
2.1.3模型精度检验
对于PFAGM(1,1)模型,分数阶数
和幂指数参数的取值会影响模型预测精度,在中,最小化平均相对误差,求得参数最优值。一般情况下,通过采用均方根误差()和平均绝对百分误差()来验证模型的拟合与预测效果,其中定义如下:
设拟合序列为
式(6)
式(7)
则有
式(8) (9
3 实例分析
3.1 模型比较
为了检验PFAGM(1,1)模型对我国城市天然气用气人口量的拟合效果和预测效果,文中通过运用2005年至2014年作为原始数据数据进行建模,来预测2015年至2017年数据,并分别与其真实值进行对比。通过建立PFAGM(1,1)模型对我国城市天然气用人口量进行拟合和预测,并与NGM(1,1,k,c)、DGM(1,1)、FGM(1,1)和这四种模型的分析结果进行对比。这五种模型的拟合效果分析和预测效果分析结果如图1、表2、表3所示:
图2 各模型对城市天然气用气人口量的拟合效果
表2 我国城市天然气用气人口量(万人)拟合及预测结果
时间 | 实际值 | NGM(1,1,k,c) | PFAGM(1,1) | FGM(1,1) | |||
预测值 | 相对误差 | 预测值 | 相对误差 | 预测值 | 相对误差 | ||
2005 | 7104.40 | ||||||
2006 | 8319.40 | 7210.95 | 13.32% | 8383.83 | 0.77% | 8497.48 | 2.14% |
2007 | 10189.80 | 9279.96 | 8.93% | 10236.89 | 0.46% | 10431.23 | 2.37% |
2008 | 12167.09 | 11388.64 | 6.40% | 12324.77 | 1.30% | 12456.38 | 2.38% |
2009 | 14543.68 | 13537.75 | 6.92% | 14517.33 | 0.18% | 14538.54 | 0.04% |
2010 | 17021.22 | 15728.07 | 7.60% | 16763.50 | 1.51% | 16681.35 | 2.00% |
2011 | 19027.80 | 17960.38 | 5.61% | 19043.29 | 0.08% | 18894.52 | 0.70% |
2012 | 21207.53 | 20235.49 | 4.58% | 21349.03 | 0.67% | 21188.56 | 0.09% |
2013 | 23783.44 | 22554.21 | 5.17% | 23677.93 | 0.44% | 23573.73 | 0.88% |
2014 | 25972.94 | 24917.40 | 4.06% | 26029.10 | 0.22% | 26059.97 | 0.34% |
RMSE | 1057.04 | RMSE | 121.52 | RMSE | 199.70 | ||
MAPE | 6.95% | MAPE | 0.63% | MAPE | 1.21% | ||
2015 | 28561.47 | 27325.89 | 4.33% | 28402.42 | 0.56% | 28657.02 | 0.33% |
2016 | 30855.57 | 29780.56 | 3.48% | 30798.05 | 0.19% | 31374.54 | 1.68% |
2017 | 33933.87 | 32282.29 | 4.87% | 33216.26 | 2.11% | 34222.21 | 0.85% |
RMSE | 1342.89 | RMSE | 425.66 | RMSE | 347.18 | ||
MAPE | 4.23% | MAPE | 0.95% | MAPE | 0.96% |
表3我国城市天然气用气人口量(万人)拟合及预测结果
时间 | 实际值 | DGM(1,1) | |||
预测值 | 相对误差 | 预测值 | 相对误差 | ||
2005 | 7104.40 | ||||
2006 | 8319.40 | 9592.75 | 15.31% | 8986.41 | 8.02% |
2007 | 10189.80 | 10923.66 | 7.20% | 10443.61 | 2.49% |
2008 | 12167.09 | 12439.22 | 2.24% | 12137.07 | 0.25% |
2009 | 14543.68 | 14165.06 | 2.60% | 14105.11 | 3.02% |
2010 | 17021.22 | 16130.33 | 5.23% | 16392.24 | 3.70% |
2011 | 19027.80 | 18368.28 | 3.47% | 19050.17 | 0.12% |
2012 | 21207.53 | 20916.72 | 1.37% | 22139.02 | 4.39% |
2013 | 23783.44 | 23818.73 | 0.15% | 25728.62 | 8.18% |
2014 | 25972.94 | 27123.37 | 4.43% | 29900.13 | 15.12% |
RMSE | 746.50 | RMSE | 1533.80 | ||
MAPE | 4.67% | MAPE | 5.03% | ||
2015 | 28561.47 | 30886.50 | 8.14% | 34747.86 | 21.66% |
2016 | 30855.57 | 35171.73 | 13.99% | 40381.37 | 30.87% |
2017 | 33933.87 | 40051.50 | 18.03% | 46927.99 | 38.29% |
RMSE | 4526.23 | RMSE | 9964.26 | ||
MAPE | 13.39% | MAPE | 30.27% |
根据表2、表3的拟合结果与预测结果可知,PFAGM(1,1)模型的分数阶累加生成算子的阶数,幂指数参数,拟合平均相对误差为0.63%,预测平均相对误差为0.95%;而DGM(1,1)模型拟合平均相对误差为4.67%,预测平均相对误差为13.39%;FGM(1,1)模型拟合平均相对误差为1.21%,预测平均相对误差为0.96%;
模型拟合平均相对误差为5.03%,预测平均相对误差为30.27%;NGM(1,1,k,c)模型拟合平均相对误差为6.95%,预测平均相对误差为4.23%。明显的,PFAGM(1,1)模型MAPE和RMSE的分析结果均优于其他四种模型。由图1可知PFAGM(1,1)模型所预测的结果与实际值最为接近,说明预测精度相较于其他四个模型更好。综上所述,PFAGM(1,1)模型对我国城市天然气用人口的拟合效果和预测效果均优于NGM(1,1,k,c)、DGM(1,1)、FGM(1,1)和这四种模型。
3.2 未来发展预测
根据上述对我国2015年至2017年城市天然气用气人口量的拟合及其预测结果显示,PFAGM(1,1)模型在本次预测中更好,所以,可利用PFAGM(1,1)模型对我国城市天然气用气人口量进行未来的发展预测。
通过建立PFAGM(1,1)模型,利用2008年至2017年作为原始数据,对2018年至2021年我国城市天然气用气人口量进行预测分析,并通过利用R语言进行计算得到的预测结果如表3所示:
表4 2018-2021年我国城市天然气用气人口量的PFAGM(1,1)模型的预测值
时间 | 2018 | 2019 | 2020 | 2021 |
预测值(万人) | 28393.97 | 30790.19 | 33209.01 | 35650.66 |
结合表3和表2数据分析可知,2018年我国城市天然气用气人口量的预测值从2017年的33933.87万人直线下滑到至28393.97万人。导致这种情况的直接原因是由于2017年我国国内天然气的诸多方面因素影响而发生的冬季“气荒”问题,这使得我国天然气供应处于紧绷的状态,在短时间内致使价格暴涨,一些地方由于生活水平较为低下,面临着“用不了气、用不起气”的困境[11],严重地影响居民日常生活中天然气的使用,所以就导致2018年我国城市天然气用气人口量的迅速下降,但是随着我国天然气政策得以不断完善,2019年我国城市天然气用气人口量预测值会因此上升,表明了我国城市天然气的需求量将会不断增加。
参考文献
[1]赵宇飞,韩增林.中国能源安全体系脆弱性研究[J].国土与自然资源研究,2007(03):55-56.
[2]杨泽伟.共建“丝绸之路经济带”背景下中国与中亚国家能源合作法律制度:现状、缺陷与重构[J].法学杂志,2016,37(01):18-28.
[3]于宏源.迈向全球能源强国的可持续路径——学习习近平总书记关于能源安全的讲话[J].人民论坛·学术前沿,2018(08):61-69.
[4]梅新育.液化天然气将是能源进口重要方向[J].中国石油企业,2018(06):26-28.
[5]吕靖烨,王翔,李朋林.“一带一路”背景下我国能源国际合作问题与对策[J].对外经贸实务,2018(05):26-29.
[6]张玉清.我国天然气发展面临的形势和任务[J].中国石油石化2019(Z1):17-19.
[7]张鹏.小样本时间序列灰色预测关键技术研究[D].成都:电子科技大学.2020
[8]钱吴永,党耀国,刘思峰.含时间幂次项的灰色模型及其应用[J].系统工程理论与实践,2012,32(10):2247-2252.
[9]吴利丰,刘思峰.分数阶累加灰色预测模型的探讨[A].中国高等科学技术中心.第25届全国灰色系统会议论文集[C].中国高等科学技术中心:中国高等科学技术中心,2014:24-26.