《能源消费需求的预测 数学建模》由会员分享，可在线阅读，更多相关《能源消费需求的预测 数学建模（27页珍藏版）》请在金锄头文库上搜索。
1、本题目给出了某市能源消费结构、能源消费弹性系数、各行业占终端能耗量的比例及能源利用效率情况，仔细阅读数据并完成下面题目：1.运用BP神经网络模型、灰色系统GM（1，1）模型，对此市2013-2020年能源（主要包括煤、石油、天然气、电力）消费需求分别进行预测。2.充分考虑此市能源消费需求的主要影响因素，如：全市历年国内生产总值（GDP）、人口总数、城市化率、能源结构（可用煤炭消费量占能源消费总量的比例代替）、产业结构（可用第二产业产值占GDP的比例代替）、技术进步（可用单位GDP能耗代替）等经济社会发展指标历年变化情况，已经提供的历年能源消费数据资料可直接参考，历年GDP、人口数量等数据资料需
2、自行查找（以宝鸡市数据为例）；不考虑能源供给和价格变动因素影响。运用BP神经网络预测模型和灰色系统GM（1，1）预测模型，先对此市2013-2020年能源消费需求总量以及煤、石油、天然气、电力需求量再进行组合预测，并对预测进行误差分析。附:表1 某市能源消费结构（19982012年）199819992000200120022003200420052006200720082009201020112012消费总量2119.52278.42410.12573.72823.13137.93668.44464.64881.65512.45895.16431.67117.47951.182849煤 炭总量
3、1393.41495.61599.81700.41928.92206.42505.13151.73381.93832.34048.94499.84857.65338.05521.1占比65.765.666.466.168.370.368.370.669.369.568.770.068.367.166.6天然气总量291.3308.2312.2322.5331.9349.1403.5472.2532.7578.9648.4657.8750.4819.8941.2占比13.713.512.912.511.811.111.010.610.910.510.9910.210.510.311.4油 料总量
4、183.6196.3202.2206.2213.8220.81379.97411.9469.1549.1600.6619.7741.2912.1934.0占比8.78.68.48.07.67.010.49.29.69.910.29.610.411.511.3电 力总量251.1278.3296.6344.5348.4361.5379.8428.8497.9552.1597.2654.3768.2881.2888.6占比11.812.212.313.412.311.510.49.610.210.010.110.210.811.110.7（注：来源于某市统计年鉴 单位：万吨标准煤;占比*%）表2
5、某市能源消费弹性系数（19982012年）年份能源消费比上年增长%本市生产总值比上年增长%能源消费弹性系数19984.48.60.5119997.57.80.9620005.88.70.6720016.89.20.7320029.710.50.92200311.211.70.95200416.912.41.36200521.711.71.8520069.312.40.75200712.915.90.8120086.914.50.4820099.114.90.61201011.817.10.69201111.916.40.7320125.513.60.40平均0.83（注：来源于某市统计年鉴）表
6、3 某市各行业占终端能耗量的比例(2000-2012年)年 份2000200120022003200420052006200720082009201020112012第一产业0.060.070.070.090.070.050.050.050.040.030.040.0340.035第二产业0.790.740.750.710.670.710.70.70.730.740.730.7350.700第三产业0.0660.080.080.080.150.120.140.140.130.130.140.1320.151生活消费0.0840.110.10.120.110.110.120.110.10.10.
7、090.0990.112某市能源利用效率情况(2000-2012年)年份能源消费比上年增长%生产总值比上年增长%能源消费弹性系数能源强度(吨标煤/万元)20005.88.70.671.3520016.89.20.731.320029.710.50.921.26200311.211.70.951.23200416.912.41.361.21200521.711.71.851.2920069.312.40.751.25200712.915.90.811.1820086.914.50.481.0220099.114.90.610.98201011.817.10.690.9201111.916.40.
8、730.7920125.513.60.400.73(注：本表根据某市年鉴统计分析，并均以当年的值计算)能源预测模型摘要： 本文是能源消费需求因素的统计分析和预测问题。针对所给数据经处理后按照本市生产总值（GDP）、能源结构（可用煤炭消费量占能源消费总量的比例代替）等因素对能源消费需求进行了统计分析归一化处理，建立了2013-2020年各能源消费量的预测分析的BP神经网络预测模型和GM（1，1）灰色系统预测模型，经分析确定了能源消费需求与本市生产总值（GDP）、能源结构间的关系。针对问题一：首先借助matlab软件，对某市1998-2012年的能源消费结构，与时间的对应关系，运用BP神经网络模型
9、、灰色系统GM（1，1）模型讨论各能源比率及精确度，并预测本市2013-2020年的能源消费需求。针对问题二： 首先利用分别对 19982012 年同时期的全市历年国内生产总值（GDP）、能源结构进行了统计学分析，揭示了全市历年国内生产总值（GDP）、能源结构等因素的相关性，建立了能源消费需求总量与全市历年国内生产总值（GDP）、能源结构的多元回归模型，利用软件对模型进行了求解、分析和检验，并对2013-2020年能源消费需求总量以及煤、石油、天然气、电力需求量进行了组合预测及其误差分析。关键字： matlab BP神经网络模型 灰色系统GM（1，1）模型 能源消费 国内生产总值（GDP） 能
10、源结构 1.问题重述本题目给出了某市能源消费结构、能源消费弹性系数、各行业占终端能耗量的比例及能源利用效率情况，仔细阅读数据并完成下面题目：问题一：运用BP神经网络模型、灰色系统GM（1，1）模型，对此市2013-2020年能源（主要包括煤、石油、天然气、电力）消费需求分别进行预测。(用matlab软件即可)问题二：充分考虑此市能源消费需求的主要影响因素，如：全市历年国内生产总值（GDP）、人口总数、城市化率、能源结构（可用煤炭消费量占能源消费总量的比例代替）、产业结构（可用第二产业产值占GDP的比例代替）、技术进步（可用单位GDP能耗代替）等经济社会发展指标历年变化情况，已经提供的历年能源消
11、费数据资料可直接参考，历年GDP、能源结构等数据资料需自行查找（以宝鸡市数据为例）；不考虑能源供给和价格变动因素影响。运用BP神经网络预测模型和灰色系统GM（1，1）预测模型，先对此市2013-2020年能源消费需求总量以及煤、石油、天然气、电力需求量再进行组合预测，并对预测进行误差分析。 2. 问题分析 本题是一个对能源消费需求的预测及确定部分因素关系对其影响的问题。可以借助MATLAB软件对数据进行处理得到各个影响因素与能源消费需求之间直观的关系。 对于问题一：该问题主要是运用matlab软件进行预测并对其相关性行描述。对于大量的数据首先要借助matlab软件对其进行预测汇总，排序筛选等步
12、骤总体处理，使其易观察、易统计且易处理。在此基础上可以对全市历年国内生产总值（GDP）、能源结构等因素分别与能源消费需求总量做统计，并分析结果。 对于问题二：要考虑1998-2012年来能源消费需求中煤、石油、天然气、电力在总体上是否具有相似性，排除突发消费状况；其次在不考虑能源供给和价格变动因素影响的前提下考虑能源消费需求与全市历年国内生产总值（GDP）、人口总数等因素的相关性，在此基础上建立能源消费需求总量与全市历年国内生产总值（GDP）、能源结构等因素的多元线性回归模型，借助matlab软件对模型求解并检验。3. 模型假设(1) 假设数据记录阶段无其他特殊情况影响。(2) 假设能源消费等
13、信息来源可靠。(3) 假设错误数据不影响数据处理和模型建立。4.模型建立与求解4.1问题一：运用BP神经网络模型、灰色系统GM（1，1）模型，对2013-2020年各能源消费需求分别进行预测根据问题一的基本要求，首先对基本信息进行处理，然后以处理后的数据为依据，借助Excel工具和Matlab软件，分别按BP神经网络模型，灰色系统GM（1，1）模型对2013年-2020年的各类能源（主要包括煤、石油、天然气、电力）消费情况进行逐一分析处理和预测。1） 利用Matlab软件建立BP神经网络模型原理： BP(BackPropagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连
