董文兵

摘 要：本文選取1960-2009年美國(guó)加利福尼亞州、亞利桑那州、新墨西哥州、得克薩斯州等四個(gè)州的能源生產(chǎn)和消費(fèi)的數(shù)據(jù)，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行分析，從而概括出四個(gè)州的能源演化狀況。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)模型；美國(guó)；能源

問(wèn)題的分析

問(wèn)題要求我們建立模型來(lái)描述1960～2009年加利福尼亞州、亞利桑那州、新墨西哥州、得克薩斯州的能源概況的演化過(guò)程，并對(duì)結(jié)果進(jìn)行分析解釋，以解決四個(gè)州的再生能源的使用問(wèn)題。同時(shí)，運(yùn)用地理、氣候、人口以及工業(yè)方面的差異來(lái)解釋四個(gè)州能源概況的不同原因。

針對(duì)這一問(wèn)題，我們先收集了四個(gè)州的地形、氣候、工業(yè)產(chǎn)值、各州GDP以及人口數(shù)量等數(shù)據(jù)，建立灰色關(guān)聯(lián)模型來(lái)觀察各變量與各州能源使用情況的相關(guān)度，并選擇出關(guān)聯(lián)度較高的變量。

在變量選擇后，建立RBF神經(jīng)網(wǎng)絡(luò)模型來(lái)擬合能源概況變化的原理，不斷對(duì)模型進(jìn)行訓(xùn)練，建立最符合各州情況的演化模型。最終將以圖形呈現(xiàn)出能源概況的演化過(guò)程。

模型的準(zhǔn)備

在對(duì)四個(gè)州的地理、氣候、工業(yè)、人口、GDP這五個(gè)指標(biāo)進(jìn)行分析時(shí)，發(fā)現(xiàn)地理與氣候常年保持不變，而工業(yè)、人口、GDP會(huì)隨著時(shí)間的推移而改變。

根據(jù)經(jīng)驗(yàn)以及對(duì)文獻(xiàn)的查閱，我們不難發(fā)現(xiàn)地理與氣候會(huì)在長(zhǎng)年累月的發(fā)展中對(duì)該地區(qū)的工業(yè)、人口、GDP產(chǎn)生影響，所以當(dāng)我們證實(shí)工業(yè)、人口、GDP對(duì)能源演化會(huì)產(chǎn)生影響時(shí)，可以同時(shí)證明地理與氣候也會(huì)對(duì)能源演化產(chǎn)生間接影響。另外，氣溫的高低、降雨量的多少、地理特征的不同，也會(huì)對(duì)能源演化產(chǎn)生直接影響，由于各方面原因，我們只對(duì)此作理論上的解釋。

數(shù)據(jù)預(yù)處理

我們?cè)诿绹?guó)聯(lián)邦統(tǒng)計(jì)局、美國(guó)能源信息署、美國(guó)National Climatic Data Center等機(jī)構(gòu)收集了四個(gè)州的地理、氣候、工業(yè)、人口以及GDP在1960年到2009年的相關(guān)數(shù)據(jù)。由于樣本數(shù)據(jù)時(shí)間跨度過(guò)大，數(shù)據(jù)處理過(guò)程中存在著統(tǒng)計(jì)口徑不一、數(shù)據(jù)缺失等不同問(wèn)題，為了使得數(shù)據(jù)更能反映實(shí)際情況，對(duì)缺失的數(shù)據(jù)值進(jìn)行彌補(bǔ)，使得前后數(shù)據(jù)能夠更好地銜接，減少人為的失誤，有利于提高后續(xù)模型的精確度。

能源演化與工業(yè)、人口、GDP的關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析模型

模型原理：灰色關(guān)聯(lián)度分析法是灰色系統(tǒng)理論中一種定量描述因素間發(fā)展態(tài)勢(shì)的相似或相異程度的量化比較方法。它的基本思想是根據(jù)序列曲線幾何形狀的相似程度來(lái)判斷其聯(lián)系是否緊密。一般地，曲線越接近，相應(yīng)序列之間的關(guān)聯(lián)度就越大，反之就越小。

模型的建立

分別選取各州的工業(yè)產(chǎn)值、GDP以及人口數(shù)量作為參考數(shù)列，能源概況作為比較數(shù)列，其中參考數(shù)列記為，比較數(shù)列為。

由于在參數(shù)數(shù)列中變量的量綱不同，為消除量綱對(duì)分析結(jié)果的影響，需要進(jìn)行無(wú)量綱化處理。

常用的有標(biāo)準(zhǔn)化、初始化、極差法和最大值化等，在此也選用極差法進(jìn)行處理，如下：

模型的求解

根據(jù)上述公式，計(jì)算得出各能源指標(biāo)與GDP、人口、工業(yè)之間的關(guān)聯(lián)系數(shù)如表1。

從表1中可以看出，所有的關(guān)聯(lián)系數(shù)均大于0.7，因此各能源指標(biāo)與人口、工業(yè)、GDP之間的關(guān)聯(lián)性很高。其中可再生能源與GDP關(guān)聯(lián)性最高，為0.8273，可以推測(cè)出可再生能源與GDP之間有較高關(guān)聯(lián)度。從表格中還可以看出，可再生能源指標(biāo)與工業(yè)、GDP之間均存在比較高的相關(guān)性，相比之下，天然氣能源消費(fèi)、煤炭消費(fèi)量指標(biāo)與GDP、人口、工業(yè)相關(guān)性較弱。

能源演化過(guò)程模擬

RBF神經(jīng)網(wǎng)絡(luò)

模型原理：模糊神經(jīng)網(wǎng)絡(luò)模型一般具有三層BP網(wǎng)絡(luò)，第一層為輸入層，第二層為隱含層，第三層為輸出層，每層BP網(wǎng)絡(luò)由神經(jīng)元組成，各層神經(jīng)元之間又由權(quán)值相互連接。在模糊神經(jīng)網(wǎng)絡(luò)模型中各神經(jīng)元之間實(shí)現(xiàn)了信息互補(bǔ)，互相支持，各神經(jīng)元獨(dú)立地從連接其輸入端的其他神經(jīng)元中得到輸入的數(shù)據(jù)，并進(jìn)行計(jì)算輸出，再將輸出傳遞給上一層神經(jīng)元作為它們的輸入或者作為整個(gè)模型的輸出。這樣就保證了其輸出結(jié)果不會(huì)因?yàn)檩斎霐?shù)據(jù)具有一定程度的噪聲污染而受到嚴(yán)重影響。

分別對(duì)樣本的輸入、輸出數(shù)據(jù)進(jìn)行規(guī)格化處理，有

其中：為規(guī)格化前的變量；和分別為的最大值和最小值；為規(guī)格化后的變量。

問(wèn)題的求解

分別將各州1960-2009年的人口數(shù)量、GDP以及工業(yè)產(chǎn)值作為輸入層， 將煤炭消耗量、天然氣消耗量、石油消耗量以及可再生能源消耗量作為輸出層。在對(duì)RBF隱藏層神經(jīng)元個(gè)數(shù)的確定中，我們發(fā)現(xiàn)神經(jīng)元個(gè)數(shù)設(shè)定為4個(gè)時(shí)正確率最高，為88.90%。由于能源消耗與人口數(shù)量、經(jīng)濟(jì)和工業(yè)具有較高的關(guān)聯(lián)度，所以根據(jù)人口、經(jīng)濟(jì)、工業(yè)三個(gè)指標(biāo)不同值的變化，RBF可以給出較合理的預(yù)測(cè)值，模擬出完整的演化路徑。據(jù)此，我們分別對(duì)不同年份下四個(gè)州的四個(gè)能源概況指標(biāo)進(jìn)行模擬演化，然后對(duì)不同州的能源概況進(jìn)行異同分析。

在進(jìn)行異同分析之前，我們將各州的人口、經(jīng)濟(jì)、工業(yè)的數(shù)據(jù)的范圍列出，分別進(jìn)行比較。

由表中數(shù)據(jù)可以發(fā)現(xiàn)，與新墨西哥州在三個(gè)數(shù)據(jù)中都與加州與得克薩斯州有非常大的差距，而亞利桑那州與新墨西哥州以及加州與得克薩斯州內(nèi)部之間又有較大的相似性，這些數(shù)據(jù)將造成各州在能源消耗的差異性與相似性，下文將對(duì)此進(jìn)行分析。

關(guān)于人口、經(jīng)濟(jì)、工業(yè)的影響分析

（ 1 ）關(guān)于石化能源的異同分析

在煤炭消耗方面，加州的使用量高于德州的使用量，并且兩個(gè)圖形趨勢(shì)類似，并且其圖形的末端的顏色也不斷趨近，有較大的相似性。亞利桑那州的煤炭使用量高于新墨西哥，差異較大。同時(shí)，我們以兩個(gè)州都是逐漸提高的走勢(shì)，說(shuō)明人口、經(jīng)濟(jì)、工業(yè)對(duì)能源使用的影響非常大，經(jīng)濟(jì)越發(fā)達(dá)，人口越多，工業(yè)越發(fā)展，能源的使用量越多。對(duì)比發(fā)現(xiàn)，加州與德州的能源使用量嚴(yán)重高于亞利桑那州與新墨西哥的使用量，這也進(jìn)一步地驗(yàn)證了人口、經(jīng)濟(jì)、工業(yè)對(duì)能源使用的影響較大的結(jié)論。石油、天然氣與煤炭的性質(zhì)類似，此處不再詳細(xì)描述。

（ 2 ）關(guān)于清潔能源的異同分析

加州的清潔能源使用量高于德州，亞利桑那州的清潔能源使用量高于新墨西哥。隨著人口、經(jīng)濟(jì)、工業(yè)的發(fā)展，加州與亞利桑那州中關(guān)于清潔能源使用情況該表較小，德州與新墨西哥的能源使用呈現(xiàn)著逐漸遞增的狀態(tài)。雖然人口、經(jīng)濟(jì)、工業(yè)能夠?qū)η鍧嵞茉词褂们闆r產(chǎn)生影響，但是影響可能并不大，并且每個(gè)地區(qū)都會(huì)有其自身的獨(dú)特性，地區(qū)的獨(dú)特性將對(duì)清潔能源的使用情況產(chǎn)生影響，下文將對(duì)各州的地區(qū)獨(dú)特性進(jìn)行分析。

為了更好地解決各州的清潔能源的使用情況，根據(jù)數(shù)據(jù)分析，我們提議各州長(zhǎng)能夠加強(qiáng)各州之間的合作，由于清潔能源開(kāi)發(fā)較晚，技術(shù)尚未完善，且四州距離較近，附近能源也相似，各州之間建立密切的合作，有利于節(jié)約成本，提升清潔能源應(yīng)用技術(shù)，更好地開(kāi)發(fā)清潔能源。

關(guān)于地理以及氣候的影響分析

由于各地區(qū)的地理情況以及氣候狀態(tài)呈現(xiàn)相對(duì)穩(wěn)定性，不會(huì)隨著其余外力因素產(chǎn)生較大的變動(dòng)，而這些基本穩(wěn)定的因素將會(huì)形成各州的地區(qū)獨(dú)特性，獨(dú)特性反映在各州的方方面面，經(jīng)濟(jì)發(fā)展水平、居民生活習(xí)慣、能源的使用效率等等。由于地理與氣候的影響無(wú)法量化，且常年基本保持穩(wěn)定，量化的意義不大，我們將從側(cè)面分析地理與氣候?qū)δ茉词褂们闆r的影響。

將固定的經(jīng)濟(jì)、人口、工業(yè)數(shù)值代入各州的神經(jīng)網(wǎng)絡(luò)模型，得到的各州能源使用情況的差異則是地理與氣候?qū)δ茉词褂们闆r的影響。

在經(jīng)濟(jì)、人口、工業(yè)數(shù)值固定的情況下，各州的能源的消耗情況都大致相同，消耗情況為：

德州>加州>亞利桑那州>新墨西哥。

這說(shuō)明地理與氣候造成的地區(qū)獨(dú)特性對(duì)各州的能源使用情況影響較大，且這種影響隨著時(shí)間的推移將逐漸加深。但在清潔能源使用方面，這種影響卻不大，這是因?yàn)榍鍧嵞茉唇鼛啄瓴砰_(kāi)始發(fā)展，發(fā)展尚未完善，沒(méi)有受到一個(gè)地區(qū)的人文地理環(huán)境的長(zhǎng)期影響，因此地理與氣候?qū)λ挠绊懖⒉淮蟆?/p>

（作者單位：安徽財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院）

【參考文獻(xiàn)】

[1]金娜.美國(guó)提高能源效率的策略[J].節(jié)能，2012，31（05）.

[2]何淵.美國(guó)的區(qū)域法制協(xié)調(diào)——從州際協(xié)定到行政協(xié)議的制度變遷[J].環(huán)球法律評(píng)論，2009，31（06）.

[3]周篁.美國(guó)可再生能源發(fā)展和節(jié)能現(xiàn)狀[J].中外能源，2007（01）.