基于支持向量机模型的北京市能源需求预测研究

被引：8

作者：

张跃军 ^{[1
]}

周彬 ^{[2
]}

王丽 ^{[3
]}

机构：

[1] 北京理工大学管理与经济学院能源与环境政策研究中心

[2] 北京理工大学光电学院

[3] 中国人民银行营业管理部

来源：

北京理工大学学报(社会科学版) | 2013年 / 15卷 / 03期

基金：

高等学校博士学科点专项科研基金;

关键词：

能源需求; 支持向量机; 预测模型;

D O I：

10.15918/j.jbitss1009-3370.2013.03.007

中图分类号：

F426.2 []; F224 [经济数学方法];

学科分类号：

020205 ; 0202 ; 0701 ; 070104 ;

摘要：

北京市能源需求系统具有非线性、历史数据较少而影响因素众多等复杂特征,而支持向量机模型在解决小样本、非线性及高维模式识别问题方面具有突出优势。为此,引入支持向量机模型对北京市1978-2010年能源需求进行建模,并据此对2012-2020年能源需求量进行预测。结果表明:支持向量机模型能有效拟合北京市能源需求系统的复杂变化趋势,比其他传统方法有更高的预测精度。研究发现,2012-2020年北京市能源需求量逐年增加,年均增速2.75%;另外,北京市能源需求的增速在"十三五"期间会比"十二五"期间略有趋缓。

引用

页码：8 / 12

页数：5

共 8 条

[1] 北京市能源消费的因素分解分析 [J].

张兴平 ;

汪辰晨 ;

张帆 .

工业技术经济, 2012, 31 (01) :13-18

[2] 北京市能源消费与经济增长关系研究 [J].

胡军峰 ;

赵晓丽 ;

欧阳超 .

统计研究, 2011, 28 (03) :79-85

[3] 北京市能源消费预测与政策建议 [J].

张峰 ;

刘伟 .

中国人口·资源与环境, 2008, (03) :99-102

[4]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬, 2004

[5]

China’s primary energy demands in 2020: Predictions from an MPSO–RBF estimation model[J] . Shiwei Yu,Yi-Ming Wei,Ke Wang.Energy Conversion and Management . 2012

[6] Modelling future private car energy demand in Ireland [J].

Daly, Hannah E. ;

Gallachoir, Brian P. O. .

ENERGY POLICY, 2011, 39 (12) :7815-7824

[7] From potential forecast to foresight of Turkey's renewable energy with Delphi approach [J].

Celiktas, Melih Soner ;

Kocar, Gunnur .

ENERGY, 2010, 35 (05) :1973-1980

[8]

Energy models for demand forecasting-a review .2 Suganthi L,Samuel A A. Renewable and Sustainable Energy Reviews . 2012

← 1 →