基于误差补偿的分数阶灰色模型对四川省煤炭类能源消费的预测分析
胡宇，陈兴志，黄子萌，苏铃麟，唐国鑫，郑克龙
(西南科技大学理学院，四川 绵阳 621010)
摘要：为了对能源需求进行更精确的预测，基于分数阶灰色模型和反向传播神经网络，建立基于误差补偿的分数阶灰色模型。随后利用河北省历年电力消费数据检验模型的精度，并将其与传统分数阶灰色模型作对比。最后对四川省煤炭类能源需求量进行了预测分析。结果表明，基于误差补偿的分数阶灰色模型具有更高的精确度与有效性，反向传播神经网络对分数阶灰色模型的误差补偿作用明显，该模型有效地模拟了原始数据的变化趋势，并预测出煤炭类能源的消费量将呈下降后趋于平稳的趋势。
关键词：反向传播神经网络；误差补偿；分数阶灰色模型；四川省煤炭类能源；平均相对误差绝对值
中图分类号：TP312 文献标识码：A 文章编号：2095-509X(2019)05-0088-05
能源是人类生存和发展的重要物质基础，也是当今国际政治、经济、军事关注的焦点。对能源需求的预测是合理制定能源规划的基础，随着经济的发展，能源消费也随之不断增加。近十年，四川省能源消费占全国能源消费的4.5%左右，呈平稳状态；而四川省GDP(gross domestic product，国内生产总值)与全国GDP的比值，在前期呈指数上升趋势，近几年稳定在4.4%左右。这说明在总体上，四川省消费的能源与它对国家GDP的贡献呈正比，四川省能源结构已有所改善，但改善作用在近几年处于停滞状态。在能源结构中，煤炭类能源属于污染型能源。四川省煤炭类能源的消费量低于全国的平均水平，且其消费量大于生产量。因此，合理准确地预测四川省煤炭类能源消费量，为能源规划和政策的制定提供理论依据，从消费量的角度侧面提高能源利用效率，对保障能源可持续发展具有重要意义。
最近几年，对能源需求的预测研究受到了许多国内外学者的大量关注。对能源需求的预测方法主要包括灰色预测、主成分分析与支持向量机结合等。对能源需求的预测现已取得了很大的进展，从单一的预测模型已发展到组合预测模型，但在预测能源时忽略了与能源有关的指标对能源需求的影响，此外模型的预测精度也有待进一步提高。组合预测的基本思想是综合不同模型的优点，从而提高预测精度。因此本文基于分数阶灰色模型和BP(back propagation，反向传播)神经网络，建立基于误差补偿的分数阶灰色模型，对四川省煤炭类能源需求量进行预测，使用串联型分数阶灰色神经网络，将多个灰色预测结果作为神经网络的输入层，利用神经网络的非线性拟合能力输出灰色神经网络的预测值，并进行预测精度检验，从而获得能源预测的实用方法。
1 基于误差补偿的分数阶灰色模型建立
1.1 分数阶灰色模型
1.1.1 分数阶累加
设有非负序列X(0)=(x(0)(1),x(0)(2),…,x(0)(n))，X(r)=(x(r)(1),x(r)(2),…,x(r)(n))为X(0)的r累加序列，且称x(r)(k)=∑k i=1 x(r-1)(i)为x(0)(k)的r阶累加算子，则
x(r)(k)=∑〖DD(〗k〖〗i=1〖DD)〗Ck-ik-i+r-1x(0)(i)
(1)
基金项目：〖HTSS〗西南科技大学大学生创新基金项目精准资助专项（jz18-048）；四川省科技厅重点研发项目（2017GZ0316）
作者简介：胡宇(1999—)，女，本科生，主要研究方向为计算数学，huyu2908@qq.com. | 
最新图文
