基于灰色预测模型的上海市天然气消费量预测

天然气作为优化能源结构的重要能源类型,当前已成为我国推进能源消费清洁化、低碳化转型的可靠选择。因此,加快天然气产业发展是优化能源结构、坚持可持续发展战略和实施节能减排的重要举措。基于灰色预测模型GM(1,1)对上海市天然气消费量进行预测,上海市2005~2021年天然气消费量预测结果的平均相对误差为6.7%,预测精度为93.3%,为相关企业了解天然气市场的未来消费走势提供参考。

最小二乘曲线拟合法预测天然气消费量

随着生活的改善,人民对环境的要求不断提高,要求能源优质化、洁净化。天然气作为一种低污染、高热值能源,已被人们广泛应用到日常生活、工业中。特别是近几年全球天然气消费量达到顶峰。然而天然气的供需不平衡,只能满足能源需求的低速增长[2]。天然气的产量预测和消费预测显得至关重要。对天然气消费进行预测,可为天然气开采和管道铺设方面提供依据,避免或减少决策失误。国内外众多专家做了大量天然气的消费预测方面的研究,提出了一系列预测方法。本文针对于天然气的消费预测理论不足之处,提出了最小二乘法预测天然气消费量理论。

R/S分析方法在天然气消费量变化预测中的应用

天然气消费量对采气工程、集输工程等有重要的影响。不同时刻的天然气消费量构成相应的时间序列。R/S分析方法,避开复杂的因素分析过程,计算简捷、容易操作,是备受青睐的时间序列分析方法之一。针对西南某地区连续21年的天然气消费量时间序列展开研究,根据R/S分析方法的基本原理,计算得到此序列的Hurst指数为0.923,并以此对该地区天然气消费量变化趋势进行了预测分析。预测情况与实际情况吻合,从而为天然气消费量预测探索了一种新的方法。

天然气消费量组合预测建模及应用

2011年是"十二五"规划实施的第一个年头,四川省是我国天然气的生产和消费大省,对天然气消费量的有效预测对于四川"十二五"期间相关产业发展、能源消费结构调整具有指导作用,对顺利实现"十二五"能源战略目标具有重大的现实意义。基于标准差法的灰色—增长曲线组合预测方法对四川"十二五"期间的天然气消费量进行了预测,再用马尔科夫链对预测结果进行修正,以提高精度。结果表明:此天然气消费量组合预测模型具有较高的精度和应用价值。

我国区域天然气消费量的趋势预测

近年来,中国的天然气消费量快速增长,合理预测区域市场天然气的消费量,对天然气调配和管网的优化调度、实现节能减排目标和进行国民经济核算等都具有重要意义。为此,基于中国29个省市2010—2014年天然气消费量的数据,构建灰色新陈代谢GM(1,1)预测模型并且进行精度检验。检验结果显示,新陈代谢GM(1,1)模型拥有较好的预测精度。通过新陈代谢GM(1,1)模型预测全国及各省份的天然气消费量,结果表明:(1)预计到2020年,我国天然气消费量达到3 785.21×10~8 m^3;(2)从空间分布来看,华东地区天然气消费量最高,全国天然气消费量呈现"西低东高"的分布格局;(3)从省际层面来看,预计到2020年天然气消费量最高的前5个省区市为浙江、辽宁、北京、江苏、广东,天然气消费量最低的5个省区市为云南、宁夏、吉林、黑龙江、贵州。在被统计的29个省区市中,广西的天然气消费量增幅最大,宁夏的降幅最大。通过准确预测各地区天然气消费量,为未来我国天然气消费量预测提供了一个新的预测模型和消费增长数据。

利用BP网络预测天然气消费量

天然气是现代城市人民生活和工业生产的一种主要能源,正确合理地对天然气消费量进行预测有着重要的意义。介绍了BP网络预测天然气消费量的模型,对模型进行了求解,用实例加以验证,与传统方法计算的结果进行了对比。结果表明,此方法预测天然气消费量既简单又准确。

最小二乘支持向量机与马尔可夫链组合预测应用研究——以四川省天然气消费量为例

天然气作为四川省的一种主要能源,正确合理地对天然气消费量进行预测有着重要的意义。在历史数据有限的情况下,为解决四川省天然气消费量预测的问题,提出一种基于最小二乘支持向量机与马尔可夫链的组合预测模型。首先,利用经过优化后的最小二乘支持向量机建立四川省天然气消费量的时间序列预测模型;然后借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精度;最后运用该模型对四川省2007～2011年天然气消费量做出预测。计算结果表明,该模型具有一定的精度和可靠性。

四川省天然气消费量变权重组合预测

在BP神经网络及最小二乘支持向量机预测模型的基础上,利用基于样本点优化的变权重组合模型对四川省天然气消费量进行了预测,结果表明该预测方法在样本数目有限的情况下,在性能上不但优于各单项预测方法,同时也在很大程度上好于固定权重的组合预测模型,对于四川省经济发展有着重要的意义。

基于神经网络的天然气消费量组合预测

将组合预测的方法应用到天然气消费量的预测中,并与三种单一预测方法回归分析预测方法、灰色系统预测方法和神经网络预测方法进行比较,结果表明该方法的精度和可靠性较高,为天然气合理使用计划提供了科学依据。

BP网络预测天然气消费量

天然气是现代城市人民生活和工业生产的一种主要能源,正确合理地对天然气消费量进行预测有着重要的意义。介绍了BP网络预测天然气消费量的模型,对模型进行了求解,并用实例加以验证,同时与传统方法计算的结果进行了对比。计算结果表明,此方法预测天然气消费量既简单又准确。

天然气消费量的灰色模型预测

介绍了利用灰色理论预测天然气消费量的模型,包括GM(1,1)模型和动态等维灰数递补灰色预测模型,对模型进行了求解,介绍了模型精度的检验方法,并用实例加以验证,同时与实际消费量进行了对比。计算结果表明:此方法预测天然气消费量既简单又准确,有较好的适应性和较高的精度,对天然气输配管网的优化运行和统一调度管理具有重要的参考意义。

灰色模型预测天然气消费量

天然气是现代城市人民生活和工业生产的一种主要能源,正确合理地对天然气消费量进行预测有着重要的意义。介绍了利用灰色理论预测天然气消费量的模型,包括GM(1,1)模型和动态等维灰数递补灰色预测模型,对模型进行了求解;介绍了模型精度的检验方法,用实例加以验证,与实际消费量进行了对比,计算结果表明,灰色模型预测天然气消费量既简单又准确,有较好的适应性和较高的精度,对天然气输配管网的优化运行和统一调度管理具有重要的参考意义。

基于主成分分析和支持向量机相结合的天然气消费量预测

为了提高了天然气消费量的预测精度,提出一种主成分分析和支持向量机相结合的天然气消费量预测模型(PCA-SVM)。首先采用主成分分析选择影响天然气消费量的影响因素,然后输入到非线性预测能力强的支持向量机进行训练,并采用遗传算法优化支持向量机参数,最后建立天然气消费量预测模型。仿真实验结果表明,PCA-SVM加快了天然气预测型的学习速度,提高了天然气消费量的预测精度。

基于改进小波神经网络的中国天然气消费量多情景预测研究

天然气是人民生活和工业生产的一种主要能源,随着天然气使用的逐步推广和天然气消费量的快速增长,正确合理地对天然气消费量进行预测有着重要而深远的意义。利用灰色关联度分析法筛选出影响天然气消费量的六个主要因素——人均GDP、天然气生产总量、居民消费水平、用气人口、城镇化率和管道运输长度,在此基础上提出了基于遗传算法优化的小波神经网络预测模型,以1995-2013年中国天然气消费量的统计数据为例对预测模型进行训练和检验,并将该预测方法与传统BP网络、小波神经网络预测方法作对比,预测结果表明,该方法的预测精度更高。遗传算法和小波神经网络相结合的预测方法,可以科学预测我国未来年份的天然气消费量,有效地提高了预测精度,为天然气行业的发展提供理论依据和实证支持。

2050年前我国天然气消费量将保持增长

2019年8月31日于北京发布的《中国天然气发展报告(2019)》(以下简称《报告》)预计,2050年前我国天然气消费量将保持增长趋势。《报告》由国家能源局石油天然气司、国务院发展研究中心资源与环境政策研究所、自然资源部油气资源战略研究中心联合编写。《报告》还预计,2019年我国天然气表观消费量将达到3 100×10^8 m^3左右,同比增长约10%。随着我国天然气消费市场的不断成熟,未来工业燃料、城市燃气、发电用气将呈现“三足鼎立”局面。

2015年中国天然气消费量增速创10年最低

中国石油天然气集团公司经济技术研究院发布《2015年国内外油气行业发展报告》（以下简称《报告》）称,2015年我国天然气消费量增速创10年新低。我国天然气行业正面临资源过剩和基础设施不足等多方面的挑战。《报告》称,2015年,我国天然气需求量增速明显放缓,估计全年表观消费量为1 910×10^8 m^3,同比增长3.7%,创近10年新低。