(吉林建筑大学 吉林 长春 130000)
摘要:本文应用时间序列分析技术对北京市总用电量进行了全面、系统、详尽的分析与预测,以期为北京市未来的城市建设及经济发展政策的制定提供有力支持和前瞻性建议。研究结果表明:从2021—2031这十年间,北京市总用电量将由12329000万千瓦时上升到17887426万千瓦时,上升45%,期间波动幅度较小,年均增长率为3.75%。
关键词:用电量;时间序列;ARIMA模型;平稳性;
一、 北京市总用电量时序图
从北京市总用电量时序图上我们可以清楚地看到:北京市总用电量从1978年的735000千瓦时上升到2021年的12329000千瓦时,上升了11594000千瓦时,上升了15.77倍。
二、对序列的预处理
1. 考虑一阶差分序列
从一阶差分序列时序图中我们可以看到:三种用电情况的一阶差分序列皆仍然带有上升趋势。
2. 考虑二阶差分序列
从二阶差分序列的时序图中我们可以看到:北京市总用电情况的二阶差分序列均消除了原序列与一阶差分序列的上升趋势,表现出平稳序列的特征。
三、模型的定阶
总用电量二阶差分序列自相关图检验结果:
白噪声检验结果:
延迟阶数 | LB统计量检验 | |
LB统计量值 | P值 | |
6 | 11.74 | 0.068 |
12 | 16.64 | 0.1637 |
18 | 22.72 | 0.2017 |
24 | 32.39 | 0.1176 |
30 | 32.64 | 0.3383 |
36 | 32.92 | 0.6161 |
根据总用电量二阶差分序列白噪声检验结果的提示,结合总用电量二阶差分序列自相关图检验结果中自相关系数和偏自相关系数的截尾性和拖尾性特点,对北京市1978~2021年总用电量时间序列选用ARIMA(0,2,1)模型进行拟合,拟合结果如下:
待估参数 | 参数估计值 | 标准差 | 统计量值 | P值 |
常数项 | 10284.8 | 1854.4 | 5.55 | <.0001 |
MA(1) | 1 | 0.07141 | 14 | <.0001 |
AIC | 1153.368 | |||
SBC | 1156.843 | |||
Observations | 42 |
残差白噪声检验结果如下:
延迟阶数 | LB统计量检验 | |
LB统计量值 | P值 | |
6 | 5.31 | 0.3794 |
12 | 8.04 | 0.7095 |
18 | 13.43 | 0.7067 |
24 | 22.98 | 0.4621 |
30 | 23.4 | 0.7578 |
36 | 23.8 | 0.9241 |
模拟拟合结果显示:残差白噪声检验各延迟阶数LB统计量的P值均大于0.05,由此可判断残差为白噪声序列,模型拟合有效;模型各参数估计值的显著性检验P值均小于0.05,说明模型拟合效果良好。
最终模型拟合口径为:
(1)
四、实证结果
利用模型(1)对“北京市总用电量”的未来发展趋势进行预测,预测结果如下:
2022 | 12838561 | 2024 | 13888538 | 2026 | 14979654 | 2028 | 16111909 | 2030 | 17285302 |
2023 | 13358407 | 2025 | 14428954 | 2027 | 15540639 | 2029 | 16693463 | 2031 | 17887426 |
(单位:万千瓦时)
五、结论
北京市总用电量在未来的3年、5年乃至10年时间里将持续呈现出明显的上升趋势,且上升幅度基本保持不变,从形态上看基本上呈直线上升趋势,年均增长率保持在3.75%左右。从2021年的12329000万千瓦时上升到2024年的13888538万千瓦时,上升1559538万千瓦时,上升了12.65%;到2026年,北京市的总用电量将上升至14979654万千瓦时,上升2650654万千瓦时,上升了21.5%;截止至2031年,北京市总用电量将上升至17887426万千瓦时,与2021年相比,上升5558426万千瓦时,上升了45%。预测结果显示,从2021~ 2031年这十年时间,北京市的总用电量将上升了45%,这个预测结果上升的幅度是很大的,而且上升过程波动很小,呈直线上升态势,增长率基本保持不变。
参考文献:
[1] 王慧. 基于ARIMA模型的新疆建筑业人力资源需求预测[J]. 房地产世界. 2022,(15): 26-28.
[2] 李易. 基于ARMA模型的股价短期预测——以古井贡酒股票为例[J]. 山西财政税务专科学校学报. 2022,24(01): 25-30.
[3] 苏蓉. 后疫情时代,债券投资的思考——基于ARMA模型分析[J]. 中国商论. 2021,(23): 83-86.
[4] 蒋奇, 刘永文. 基于ARIMA模型的美元汇率预测[J]. 经济研究导刊. 2022,(20): 69-71.
[5] 沈亚男, 罗欣. 基于ARIMA模型的农村人力资本投资建模与预测研究[J]. 金融理论与教学. 2022,(02): 63-65.
[6] 张瑞, 张岩, 杨海芬, 赵增锋. 基于ARIMA模型的我国农村金融机构负债金额预测研究[J]. 山西农经. 2022,(10): 190-192.
[7] 张亚婕. 基于ARIMA
模型对股票和指数预测结果的简单比较分析[J]. 市场研究. 2019,(11): 23-26.
[8] 李窈, 于丽婷. 基于ARIMA模型对全国农业受灾面积的数据分析与预测[J]. 科学技术创新. 2021,(36): 34-36.
[9] 张梓. 基于ARIMA模型的贵州省GDP分析与预测[J]. 国土与自然资源研究. 2022,(05): 39-41.