我国国内石油供给的组合预测研究

摘要

石油对于国民经济的发展有着非常重要的影响，其生产和供给在很大程度上可以带动或阻碍经济的发展。预测和分析我国未来的石油供给，对于研究我国石油供求状况，制定未来石油生产、消费、贸易政策，保障国内石油供求基本平衡，保证2010年远景目标的实现具有重要的意义。石油的产量和进口量是石油供给的两个重要组成部分。对于两者所形成的单因子时间序列，目前主要预测方法有回归分析法、灰色系统预测法、模糊系统预测法等单项方法或其中一些方法的组合。在这些方法中存在单项方法预测精度不高，组合方法多运用线性方式确定组合权重从而易产生缺乏经济现象实际特征的负权重问题并且有对单项预测方法要求具备良好一致性等缺点。本文针对这些不足以我国国内石油产量和进口量为研究对象，建立了以“复合”预测模型作为单项方法，利用BP神经网络为组合工具的短期石油供给组合预测模型。 在定量预测过程中，首先可利用“叠合模型”的构造原理建立基于灰色GM(1，1)、谱密度周期分析、自回归模型的混合模型(简称为GSTA模型)进行预测。先利用灰色系统GM(1，1)拟合并预测石油数据的趋势项，再对其预测偏差进行谱周期分析，利用三角函数来对数据的周期性进行拟合、预测，经过前两步处理后的残差再使用白回归模型描述分析及预测。最终的预测值是以上三部分预测结果的累加。 其次，可采用基于Holter-Winter季节乘积指数平滑模型、谱密度周期分析、神经网络模型的混合模型(简称为HESA模型)进行预测。由于石油数据具有一定的周期性，且因为是月度数据从而又表现出一定的季节性，所以采用温特季节指数平滑法先进行消除季节性的初预测后得到预测偏差，再利用频谱分析找出偏差数据的潜周期，最后利用神经网络模型将经过周期处理后的偏差数据作为输入变量，原偏差数据作期望变量进行学习训练并通过仿真测试得到最终预测值。 上述两种方法作为参与组合预测的“复合”单项方法分别比Holter-Winter季节乘积指数平滑、灰色系统等单项方法的预测精度要高，在此基础上通过BP神经网络将以上两种方法的预测结果进行非线性组合从而进一步提升了预测效果。这样经过与单项预测方法的比较体现了本文所用方法的优越性。 最后论文针对石油的产量和进口量的预测结果结合当前的国内外石油供给形势提出了相关政策建议。

目录

文摘

英文文摘

引言

第一章石油供给预测概述

第二章基于GSTA模型的石油供给预测

第三章基于HESA模型的石油供给预测

第四章基于组合神经网络模型的原油供给预测

参考文献

致谢