孫 涵 成金華

(中國地質大學經(jīng)濟管理學院，湖北武漢430074)

中國工業(yè)化、城市化進程中的能源需求預測與分析

孫 涵 成金華

(中國地質大學經(jīng)濟管理學院，湖北武漢430074)

為了取得可靠的能源需求預測，本文引入工業(yè)化、城市化等重要因素，利用支持向量回歸機在時間序列預測中的優(yōu)勢，確定了輸入向量集合和輸出向量集合，建立基于支持向量回歸機能源需求預測模型。將我國1985－2009年能源需求相關數(shù)據(jù)進行模擬與仿真，并對中國2010－2020年能源需求量進行預測，并模擬解釋變量不同增長率下能源需求的演變并給出政策選擇。研究結果表明，中國高速的經(jīng)濟增長以及工業(yè)化和城市化的發(fā)展對能源需求影響很大，到2020年能源需求將達到45．3億t標準煤，而且經(jīng)濟增長速度越快對能源需求就越大。變量模擬得出的結論是產(chǎn)業(yè)結構也是能源需求重要影響因素之一，工業(yè)結構的調整，即便是微調，也會對能源需求有很大的抑制作用;中國城市化進程以及城市化發(fā)展階段所表現(xiàn)出的工業(yè)化特征，推動了能源需求快速增長，城市化率越高對能源需求越大，且對能源需求是剛性的，城市化也是能源需求重要影響因素之一。

能源需求;城市化;工業(yè)化;支持向量回歸機

能源是人類生存和發(fā)展的重要物質基礎，也是國家經(jīng)濟命脈和國家安全的重要戰(zhàn)略物資。未來能源基礎能否支撐我國經(jīng)濟的可持續(xù)增長，成為國內外關注的十分重要的問題。因此，做好未來能源需求分析，搞好能源需求預測，為能源規(guī)劃及政策的制訂提供科學的依據(jù)，對于保持我國國民經(jīng)濟可持續(xù)發(fā)展具有重要的現(xiàn)實意義。

國內外許多能源機構或相關機構主要從經(jīng)濟學理論和工程技術理論這兩個角度對影響能源需求的影響因素、能源需求預測以及預測方法做了大量的研究。這些具有代表性的預測方法:MARKAL(市場分配)模型、情景分析法、彈性系數(shù)法、靜態(tài)或動態(tài)投入產(chǎn)出法、時間序列法等方法已被廣泛應用于能源需求研究和預測［1－3］。在解釋經(jīng)濟發(fā)展與能源消費之間長期均衡和短期波動關系方面，標準Granger因果檢驗、協(xié)整和誤差修正模型(ECM)得到廣泛運用［4－6］。但是迄今，在對能源需求研究和預測的文獻中，主要有兩點不足:第一，除了將經(jīng)濟水平作為最重要的解釋變量，一些學者也試圖納入其它變量以增強模型的解釋能力。但是，截止目前對能源需求的研究中，很少同時將工業(yè)化和城市化兩個因素納入進行定量的實證研究。發(fā)達國家的城市化和工業(yè)化已基本完成，能源需求處于相對穩(wěn)定的緩慢增長或下降階段，在模型中可以忽略這兩個因素的影響。然而，當涉及到經(jīng)濟處于轉型時期的發(fā)展中國家特別是中國時，這對研究結果的影響就尤其顯著。目前，中國有著世界第一大規(guī)模的人口、第二大規(guī)模的經(jīng)濟，但區(qū)域之間發(fā)展極不平衡，這是基本國情;經(jīng)濟持續(xù)高速增長、城市化加快和其間的工業(yè)化特征，這是現(xiàn)在及今后相當一段時期內中國經(jīng)濟社會發(fā)展的最重要特點［7－8］。對中國能源需求的研究，必須考慮到上述基本國情和特殊經(jīng)濟社會發(fā)展階段中的主要特征。第二，能源系統(tǒng)是一個的非線性系統(tǒng)，上述預測方法預測精度不高。能源消費和經(jīng)濟增長之間存在一種非線性的關系，一些學者得到了二者之間存在著類似環(huán)境庫茲涅茨曲線的結論。由于傳統(tǒng)的線性預測方法對數(shù)據(jù)樣本沒有學習過程，難以準確刻畫能源系統(tǒng)中的非線性關系，導致預測精度較低［9］。盡管人工神經(jīng)網(wǎng)絡方法是公認的相對較好的方法，但我國能源需求的歷史數(shù)據(jù)較少，在小樣本情況下神經(jīng)網(wǎng)絡進行預測通常得不到充分的訓練，使得性能不穩(wěn)定，并且還存在推廣(預測)能力不強等缺點［10－11］。而支持向量機［12－13］是一種專門研究有限樣本情況下非參數(shù)估計問題的機器學習方法，它在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特別的優(yōu)勢，受到學者的青睞，并已成功應用于時間序列預測［14］，已經(jīng)成為機器學習界的研究熱點之一。

因此，本文將在前人研究的基礎上做出兩個主要改進:第一將城市化和工業(yè)化同時納入模型中，分析中國經(jīng)濟增長和能源消費的長期關系;第二，運用支持向量回歸機方法，建立能源消費和經(jīng)濟增長的非線性數(shù)據(jù)模型。基于上述模型，對中國2010－2020年能源需求量進行預測，模擬解釋變量不同增長率下，未來能源需求的演化路徑，并給出政策分析與建議。

1 能源需求預測模型的建立

支持向量機(Support Vector Machines，SVM)最早是由 Cortes和 Vapnik［12－13］于 1995 年提出的一項新的數(shù)據(jù)挖掘技術，它借助于最優(yōu)化方法，非常成功地處理回歸問題(時間序列分析)和模式識別(分類問題)等諸多問題。

1．1 能源需求的回歸支持向量機模型構建

能源系統(tǒng)是一個大而復雜的非線性系統(tǒng)，能源需求受經(jīng)濟、社會等諸多因素的影響，各因素相互滲透，相互作用。一般說來，能源需求影響因素與能源需求量的關系非常復雜，很難用一個具體的模型來描述。本文采用SVR來映射輸入(能源需求影響因素)與輸出(能源需求量)之間的關系。具體說來:

在本文中，把能源需求量以及所確定的各影響因素指標的歷時數(shù)據(jù)作為樣本，構造一個多輸入、單輸出的支持向量回歸機預測模型，如圖1所示。

圖1 支持向量回歸機結構圖Fig．1 Support vector regression chart

把影響能源需求變量［9－10］作為輸入，把能源需求量作為輸出，分別用(x1，x2，…，xd)和y來表示。本文用經(jīng)濟增長(GDP)、城市化(城市人口數(shù)量占總人口數(shù)量)和產(chǎn)業(yè)結構(第二產(chǎn)業(yè)占整個產(chǎn)業(yè)的比重)和人口總數(shù)四個變量來表示輸入。

根據(jù)上述歷年的數(shù)據(jù)看作時間序列{X(t)，t=1，2，…－2)］，…X(t－d)式中:Φ為非線性函數(shù);d為輸入向量維數(shù)。

在進行能源需求預測時，利用支持向量回歸機(SVR)進行回歸與預測的基本思想［12－13］，就是將輸入的影響因素x1，x2，…，xd，映射到一個高維特征空間，并在此空間進行線性回歸，從而將特征空間的非線性回歸問題轉化為高維特征空間線性回歸問題，所以它對于一些復雜的或非線性的問題非常有效。由統(tǒng)計學習理論［10－11］可確定回歸函數(shù)如下:

其中，φ∶Rn→F，w∈F。(，)表示內積，φ 為 Rn空間到F空間的非線性映射，X∈Rn，w為權重，w∈F，b為偏置。

SVR解決回歸問題是使結構風險最小化，而不是傳統(tǒng)回歸方法使經(jīng)驗最小化，這使得預測模型具有很好的函數(shù)逼近能力和泛化能力。式(1)中φ已知，利用樣本數(shù)據(jù)(Xi，Yi)進行訓練使式(2)泛函數(shù)最小化，可求出試(1)中w和b估計值。

其中，式(2)中 Remp［f］為經(jīng)驗風險，‖ω‖2為置信風險。C(e)為模型的經(jīng)驗損失，e=f(X)－Y=Y^－Y，Y^和iiiiiYi分別表示樣本的預測值和真是值，ei為誤差，S為樣本容量。

由于φ是固定的，‖ω‖2反映了模型在高維特征空間的復雜性，其值越小則置信風險越小。λ是用于控制樣本訓練損失與模型復雜性折中的正則化參數(shù)。

求解式(2)等價于求解如下式(3)優(yōu)化問題

其中c=1/λ，其他符號跟上述公式符號相同。為了便于求解，往往把上述式(3)轉化為對偶問題，并求解。

b是偏置，可由任一支持向量機代入求得;K(Xt，X)是內積函數(shù)。本文選擇徑向基核函數(shù)［9，15］:

式(6)中:xj是訓練年份輸入數(shù)據(jù)向量;xv是預測年份的輸入數(shù)據(jù)向量;f(x)為輸出向量集合。式(6)經(jīng)過運算會得到能源需求預測的參數(shù)αj和b，從而得到預測模型。

1．2 方法的檢驗與驗證

首先將把1985－2005年(訓練樣本)能源需求變量數(shù)據(jù)，作為SVR的輸入，相應的中國能源消耗量作為輸出，進行模擬與仿真。其次，運用訓練好的模型對中國2006－2008年能源需求量進行預測(檢測樣本)，最后根據(jù)預測的結果與實際值進行比較，以驗證方法的有效性和可行性。在進行訓練與預測時，需要確定SVR正規(guī)化參數(shù)C和RBF核函數(shù)參數(shù)σ2。本文將最終的預測結果所產(chǎn)生的誤差作評價標準，根據(jù)驗證集上的性能表現(xiàn)，來確定合適的取值。本文經(jīng)過反復試驗，最后確定當C=80，σ2=75時，預測 2006－2009年能源需求量分別為24．727、27．305、29．214 和29．159 億 t標準煤，與實際能源消耗相比誤差分別為 0．41%、2．81%、2．5%和4．89%。為了驗證其方法的可行性，將預測結果與真實值和BP神經(jīng)網(wǎng)絡預測值進行比較，如表1所示。由此可見，該方法預測的誤差范圍都很小，較BP神經(jīng)網(wǎng)絡方法好，其結果理想。因此，可以說本文選取的影響因素和所建立的模型具有一定的可行性和可靠性。上述模型的建立、編程及預測等工作均在Matlab8．0軟件上編寫實現(xiàn)的。

2 能源長期需求預測分析

2．1 數(shù)據(jù)來源

由于對能源需求做預測時，首要的工作是數(shù)據(jù)的收集與整理，特別是口徑統(tǒng)一的一致性分析等。因此，本文所涉及到的數(shù)據(jù)是根據(jù)2000年和2009年《中國統(tǒng)計年鑒》中相關數(shù)據(jù)直接引用或間接計算而得，由于篇幅原因，數(shù)據(jù)略。從而保證了數(shù)據(jù)的可靠和口徑的統(tǒng)一。又由于改革開放之前我國是一個封閉型的經(jīng)濟，這與1978年之后我國經(jīng)濟體制和運行環(huán)境都有較大區(qū)別，再根據(jù)數(shù)據(jù)的可獲性，本文只考察了中國1985－2009年的能源需求數(shù)據(jù)。

表1 能源需求預測結果Tab．1 Energy demand forecast result

2．2 數(shù)據(jù)預處理

已確定的輸入和輸出數(shù)據(jù)共包含5個方面的內容。由于指標的量綱不同，數(shù)據(jù)在數(shù)量上差異性很大，如果直接用原始數(shù)據(jù)進行運算，則很可能出現(xiàn)較大范圍的變化，使預測結果準確性降低。因此，需要對各指標的數(shù)據(jù)進行歸一化處理，通過式(7)，可以把全部數(shù)據(jù)都歸一化到［0，1］之間。

2．3 情形分析

由于預測是基于歷史數(shù)據(jù)的，而未來能源影響因素如城市化、產(chǎn)業(yè)結構以及中國經(jīng)濟增長存在各種不確定性都會對預測的結果產(chǎn)生影響。因此，需要在不同影響情況下，對能源需求進行模擬分析。

為了更加全面地分析經(jīng)濟增長對用能源需求的影響，本文在GDP增長率為8%的基礎上上下浮動0．5個百分點。盡管GDP增長率低可以降低能源需求，但是保持經(jīng)濟高速增長(約8%)是中國社會發(fā)展和勞動就業(yè)的保障［4］，因此它不該納入我們的政策模擬分析中。相反，其它變量都是政府部門能夠通過產(chǎn)業(yè)政策、加以影響的，因此在一定程度上都能成為抑制能源需求的政策工具。

產(chǎn)業(yè)結構的變化根據(jù)國家發(fā)展和改革委員會能源研究所研究結果［12］，第二產(chǎn)業(yè)結構的增長率為 8．27%。2009年全國城市化率約46．69%，距離中等收入國家61%、高收入國家78%的平均水平相去甚遠。以2009年為基礎，2020年要達到60%的城市化率［5］?？捎嬎愀髂甑某鞘谢俣冉咏?．2%。2009年中國人口13．35億，2020年達到14．5億，可計算各年的人口增長速度接近6．4‰。我們在目標假設的基礎上，逐個改變GDP以外變量的變動幅度，其中第二產(chǎn)業(yè)在原來增長率的基礎上上下浮動0．5個百分點(其它產(chǎn)業(yè)增長率不變化)，城市化的增長率上下浮動0．4個百分點。由于人口增長緩慢，因此本文不對人口總數(shù)可能變化做分析。綜上所述，本文把目標趨勢假設:8%GDP增長率;8．27%第二產(chǎn)業(yè)結構變量增長率;2．2%城市化增長率為基本情況，為2009年為基準，模擬在不同的路徑下，中國2010－2020年能源需求量，其結果如表2所示。

2．4 預測結果分析

第一，對經(jīng)濟增長速度的模擬結果表明，在目標趨勢假設下，能源消費量自2010年的31．553億t，然后逐年增長，直到2020年為45．3億t。由于經(jīng)濟的增長對能源的需求有較大影響，于是本文對不同GDP增長率的進行模擬，其結果表明，7．5%GDP增長率使得中國在2010年的能源需求預測值為31．471億 t，到2020年則到45．055億t;8．5%GDP增長率使得中國在2010年的能源需求預測值為31．631億t，到2020年則到達45．381億t。說明中國在2010－2020年中，依然要消耗大量的能源，經(jīng)濟增長仍然是一個重要的影響因素，經(jīng)濟增長的大能源需求也越大。而這也說明正處在工業(yè)化中期的中國，未來能源消費量與經(jīng)濟發(fā)展水平有較強的正相關性。這也與許多經(jīng)濟學家研究的結論是一致的。

第二，對產(chǎn)業(yè)結構調整的模擬結果表明:－0．5%的下調(減少第二產(chǎn)業(yè)比例)使得能源2010年的能源需求為31．484 億 t，比目標預測值少 0．069 億 t，到2020 年能源仍需求45．249億 t，比目標預測值少0．051億 t;+0．5%的上調(增加第二產(chǎn)業(yè)比例)使得能源2010年的需求為31．621 億 t，比目標預測值多 0．068 億 t，到2020 年能源仍需求45．349億t，比目標預測值多0．049億t。由此可見，不同的產(chǎn)業(yè)結構會改變能源消耗倒U型曲線需求量的高度，由于短期內重工業(yè)結構是很難大幅度進行調整的，只能進行微調［11］，但是從模擬結果我們仍然可以看出，即使微調對未來能源需求也有很大的抑制作用，可以說產(chǎn)業(yè)結構對能源需求影響大。由此可見，產(chǎn)業(yè)結構也是中國未來能源需求增加的重要因素之一。

第三，對城市化調整的模擬結果表明:－0．4%的下調使得能源2010年的需求為31．515億t，比目標預測值少0．038 億 t，到2020 年能源仍需求 45．158 億 t，比目標預測值少0．142億t;+0．4%的上調使得能源2010年的需求為31．591 億t，比目標預測值多0．038 億t，到2020 年不同的城市化的變化率，能源需求都為45．393億t，比目標預測值多0．093億t。由此可見，不同的城市化會改變能源消耗倒U型曲線需求的高度，且城市化對未來能源需求的影響呈現(xiàn)一種不斷加大的趨勢，即城市化程度越高，對能源消耗越多，對未來能源的影響也越大(見表2)?？梢哉f，城市化也是中國未來能源需求增加的主要因素之一。

通過以上分析，我們發(fā)現(xiàn)2010－2020年，城市化、工業(yè)化和經(jīng)濟增長一樣成為影響未來能源需求的主要因素。中國的能源動態(tài)表明，2010年到2020年間，中國能源年消費總量還會不斷增長，說明與能源密切相關的高耗能產(chǎn)業(yè)在快速增長，表明了工業(yè)化和城市化進程在加速。主要是因為:中國的城市化、工業(yè)化仍未完成以及中國政府對經(jīng)濟的駕馭能力，即使保守估計，中國經(jīng)濟還可以再快速增長30年［3］。正處在工業(yè)化中期，進入重工業(yè)化階段的中國，高耗能產(chǎn)業(yè)快速增長，未來現(xiàn)代化目標必須完成工業(yè)化。工業(yè)化的資源路線決定了必然消耗大量的能源，這是一條無法跳脫的基本規(guī)律。而隨著城市化進程推動，農(nóng)村人口的快速城市化過程必然帶來能源消費量的相應增長。2009年全國城市化率為46．69%，要想接近或達到距離中等收入國家61%的水平時，到2020年，中國大約有2．4億人口將遷移進城市居住和工作(相當于目前美國2008年人口的75．66%)。保守地估計，中國城市人口能源消費是農(nóng)村人口3．5到4倍［8］。2．4億農(nóng)村移民的能源消費將是一個龐大的數(shù)字。大規(guī)模城市基礎設施和住房建設，需要大量水泥和鋼鐵，這些都只能在國內生產(chǎn)，因為世界上沒有哪一個國家能為中國生產(chǎn)這么多的鋼材和水泥。因此，高耗能產(chǎn)業(yè)對能源的需求也是剛性的?？梢哉f，中國城市化進程以及城市化發(fā)展階段所表現(xiàn)出的工業(yè)化特征，推動了能源需求快速增長。

表2 中國能源長期需求模擬Tab．2 Simulation of long-term demand of energy in China 108tce

3 結論

基于SVR的方法，我們預測了至2020年中國能源的長期需求，2020年的能源消費量將達45．3億t，比其它預測要稍高一些。說明在現(xiàn)有的能源消費結構下，保持高速經(jīng)濟增長速度和現(xiàn)有第二產(chǎn)業(yè)結構比例，能源需求很大。對不同GDP增長率的模擬結果表明，7．5%的GDP增長率使得中國在2020年的能源需求預測值為45．055億t;8．5%的GDP增長率為45．381億t;而不同的經(jīng)濟增長速度對能源需求是不同的，經(jīng)濟增長越高能源消耗也越大。因此可以說，在此演義的路徑下，經(jīng)濟增長速度是能源政策的一個重要影響變量。由于高速的經(jīng)濟增長(8%)是中國社會發(fā)展和勞動就業(yè)的保障，不該納入我們的政策模擬分析中。但是，這對我國能源戰(zhàn)略規(guī)劃具有重要的參考價值。因而，經(jīng)濟增長速度是能源政策的一個重要變量。

工業(yè)化對中國2010－2020年能源需求都有顯著的影響。這個因素可以改變倒U型曲線的形狀和能源消費量的高度。也就是說，在不同經(jīng)濟增長方式和能源環(huán)境政策下，未來能源消費的“環(huán)境庫茲涅茨”曲線高度。這意味著，通過制定和執(zhí)行積極的能源政策，有可能使“環(huán)境庫茲涅茨”曲線降低，或在曲線上找到一條近似水平的通道，甚至讓能源需求峰值提前到來。例如調整產(chǎn)業(yè)結構來抑制高耗能產(chǎn)業(yè)的發(fā)展。工業(yè)結構的調整，盡管短期內重工業(yè)結構很難大幅度進行調整，但是我們可以進行微調，也會對能源需求有很大的抑制作用。因此，從中長期看，第一，中國必須加速改變全球化貿易分工的低端高耗能產(chǎn)業(yè)結構，從能源密集型的制造業(yè)向高技術、服務業(yè)的轉型，特別是要警惕一味追求GDP的地方政府對落后產(chǎn)業(yè)的過分保護。第二，加強全民的環(huán)保節(jié)能意識。比如，建筑物的節(jié)能，中國的老百姓還很少考慮。這樣通過這種方法減少中國經(jīng)濟對能源過度依賴，是有效的政策取向。

城市化也是對中國2010－2020年能源需求的主要影響之一。在城市化推進的過程中，中國的能源消費將發(fā)生巨大變化，即使技術進步有可能提高能源使用效率，但為滿足經(jīng)濟增長和社會現(xiàn)代化的需要，中國能源消費總量仍將經(jīng)歷一段剛性的高增長階段。從總體來看，城市化將是一個比較長的歷程。各國社會條件不同，經(jīng)歷的時間會有所不同，但這一過程是每個發(fā)達和中等收入國家都經(jīng)歷過的。如果沒有出現(xiàn)大的災難性問題，中國城市化進程到2020年左右才能完成。需要并且真正理解這一階段的能源消費增長和能源消費剛性問題，是制定有效的能源戰(zhàn)略和政策的必要前前提。但長期來看，中國城市化水平的提高有利于提高能源的利用效率，所以，用推進城市化來調整和優(yōu)化產(chǎn)業(yè)結構，是我國資源節(jié)約型社會建設的一項重要內容，這必將進一步提高能源效率，從而降低經(jīng)濟社會發(fā)展對能源的依賴程度。

(編輯:劉呈慶)

References)

［1］王安建，王高尚．能源與國家經(jīng)濟發(fā)展［M］．北京:地質出版社，2008．［Wang Anjian，Wang Gaoshang．Energy and State Economy Development［M］．Beijing:Geology Press，2008．］

［2］Capros P，Mantzos L．The European Energy Outlook to 2010 and 2030［J］．International Journal of Global Energy Issues，2000，14(1－4):137－154．

［3］梁巧梅，魏一鳴，范英．中國能源需求和能源強度預測的情景分析模型及其應用［J］．管理學報，2004，1(1):62－67．［Liang Qiaomei，Wei Yiming，F(xiàn)an Ying．A Model for Scenario Analysis of China’sEnergy Requirementand Energy Intensity and Its Applications［J］．Chinese Journal of Management，2004，1(1):62 －67．］

［4］Bentzen J，Engsted T．Short and Long Run Elasticities in Energy Demand:A Cointegration Approach ［J］．Energy Economics，1993，15:9－16．

［5］何曉萍，劉希穎，林艷蘋．中國城市化進程中的電力需求預測［J］．經(jīng)濟研究，2009，(1):118 －130．［He Xiaoping，Liu Xiying and Lin Yanping．China'sElectricityDemand Forecastunder Urbanization Process［J］．Economic Research Journal，2009，(1):118 －130．］

［6］林伯強，魏巍賢，李丕東．中國長期煤炭需求:影響與政策選擇［J］．經(jīng)濟研究，2007，(2):48－58［Lin Boqiang，Wei Weixian，Li Pidong．China's Long-run Coal Demand:Impacts and Policy Choice［J］．Economic Research Journal，2007，(2):48 － 58．］

［7］林伯強．中國重化工業(yè)之行的能源和環(huán)境約束［N/OL］．2005，5．http://www．21page．net/html/2005－10 －18/17393．htm．［Lin Boqiang．The Heavy Chemical Industry in China's Energy and Environmental Constraints［N/OL］．http://www．21page．net/html/2005 －10 －18/17393．］

［8］林伯強．城市化是能源可持續(xù)問題的關鍵［N/OL］．21世紀經(jīng)濟報 道，2008，5．http://www． 21cbh．com/．［Lin Boqiang．Urbanization is the key to Energy Sustainable Issues［N/OL］．21ST century Business Herald，2008，5．http://www．21cbh．com/．］

［9］胡雪棉，趙國浩．基于Matlab的BP神經(jīng)網(wǎng)絡煤炭需求預測模型［J］．中國管理科學，2008，10(16):521 －525．［Hu Xuemian，Zhao Guohao．Forecasting Model of Coal Demand Based on Matlab BP Neural Network［J］．Chinese Journal of Management Science，2008，10(16):521 －525．］

［10］Lawrence S，Giles C L，Tsoi A C．Lessons in Neural Network Training:OverfittingMayBeHarderThan Expected ［C］．Proceedings of the Fourteenth National Conference on Artificial Intelligence［M］．Mento Park，CA:AAAl Press，1997:540 －545．

［11］Moody J E．The Effective Number of Parameters:An Analysis of Generalization and Regularization in Nonlinear Learning Systems［J］．NIPS，1992，4:847 －854．

［12］Vapnik V N．The Nature of Statistical Learning Theory［M］．Springer，1995．

［13］鄧乃揚，田英杰．數(shù)據(jù)挖掘中的新方法—支持向量機［M］．北京:科學出版社，2004．［Deng Naiyang，Tian Yingjie．A New Method of Data Mining:Support Vector Machine［M］．Beijing:China Science Press，2004．］

［14］Theodore B，Trafalis H I．Support Vector Machine for Regression and Applications to Financial Forecasting［C］．IEEE－INNSENNS International Joint Conference on Neural Networks，2000:348－353．

［15］吳巧生，成金華，王華．中國工業(yè)化進程中的能源消費變動——基于計量模型的實證分析［J］．中國工業(yè)經(jīng)濟，2005，(4):30－371．［Wu Qiaosheng，Cheng Jinhua，Wang Hua．Change of Energy Consumption with the Process of Industrialization in China［J］．China Industrial Economy，2005，(4):30 －371．］

［16］郭菊娥，柴建，呂振東．我國能源消費需求影響因素及其影響機理分析［J］．管理學報，2008，9(5):651 －654．［Guo Ju'e，Chai Jian，Lu Zhendong．Application of Path analysis and PLSR to Forecast the Energy Resource Demand in China［J］．Chinese Journal of Management，2008，9(5):651 －654．］

［17］國家發(fā)展和改革委員會能源研究所課題組．中國2050年低碳發(fā)展之路:能源需求暨碳排放情景分析［M］．北京:科學出版社，2009．［State Development and Reform Commission Energy Research Institute Topic-based Group．China's Low Carbon Development Pathways by 2050:Scenario Analysis of Energy Demand and Carbon Emissions［M］．Beijing:Science Press，2009．］

［18］魏一鳴，范英，韓智勇，等．中國能源需求報告(2006):戰(zhàn)略與政策研究［M］．北京:科學出版社，2006．［Wei Yiming，F(xiàn)an ying，Han Zhiyong，et al．China Energy Report(2006):Strategy and Policy Research［M］．Beijing:Science Press，2006．］

［19］Sazimy C．Use of Artificial Neural Networks for Transport Energy Demand Modeling［J］．Energy Policy，2006，34(17):3165 －3172．

［20］Judson R A，Schmalensee R，Stoker T M．Economic Development and the Structure of the Demand for Commercial Energy［J］．Energy Journal，1999，20(2):29 －57．

China Energy Demand Forecast and Analysis in the Process of Industrialization and Urbanization

SUN Han CHENG Jin-hua
(School of Economics and Management，Chinese University of Geosciences，Wuhan Hubei 430074，China)

In order to obtain reliable Chinese energy demand forecast，this paper introduces some important factors such as urbanization and industrialization，and makes use of the advantages of Support Vector Regression(SVR)in the prediction of time series，decides the set of input vectors，and output vectors，and then establishes the model of prediction of energy demand by SVR．This paper gives policy choice through modeling and simulating the related data of energy demand from 1985 to 2009，forecasting Chinese energy demand from 2010 to 2020 and simulating the evolution of energy demand under different growth of explanatory variables．The results show that the Chinese economy which is developing with a high speed，and the advancement of industrialization and urbanization have caused great impact on energy demand，and energy demand will be 4．53 billion tons of standard coal by 2020．And the greater the economic growth rate，the greater the energy demand．The result implication from the simulation shows that the industrial structure is also one of the important influencing factors of energy demand，and adjustment of industrial structure，even very small adjustment，would greatly impact energy demand．We find that the recent rapid growth of energy demand in China mainly comes from its accelerating process of urbanization and the industrial characteristics that required have appeared in a rapid urbanization process．The higher the rates of urbanization，the greater energy demand，and demand for energy is rigid．Urbanization is also one of the important influencing factors of energy demand．

energy demand;urbanization;industrialization;support vector regression

F407．21;C913．3

A

1002－2104(2011)07－0007－06

10．3969/j．issn．1002－2104．2011．07．002

2011－01－01

孫涵，博士生，講師，主要研究方向為資源管理工程和能源系統(tǒng)模型。