李姝 李衛(wèi)東

摘 要：分析了北京地區(qū)能源消費總量與地區(qū)生產(chǎn)總值、能源消費品種、產(chǎn)業(yè)結(jié)構(gòu)和能源效率等因素之間的關(guān)系。針對北京市能源消費建立了灰色模型、隨機時間序列模型以及多元線性模型，通過比較各個模型的擬合程度與預測精度選擇最優(yōu)模型進行預測，本文最終選擇ARIMA（1，2，1）對北京市2016-2020年的能源消費總量進行預測，并根據(jù)實際情況提出提高能源利用率、發(fā)展可再生能源等相應的政策建議。

關(guān)鍵詞：能源消費 影響因素 多元線性回歸模型 隨機時間序列模型 灰色預測

一、北京市能源消費情況影響因素分析

首先，考察能源消費與經(jīng)濟發(fā)展之間的關(guān)系，如圖1所示，從2000年到2004年，北京市重工業(yè)對能源的需求量增大導致能源彈性系數(shù)在這一期間呈上升趨勢；從2005年到現(xiàn)在，由于國家推行節(jié)能降耗與綠色GDP，能源消費彈性系數(shù)呈現(xiàn)逐年下降的趨勢。

其次，考察能源消費品種結(jié)構(gòu)的變化對能源消費量的影響。從圖2可以看出，在2010年煤品與油品占能源消費的大半，而近年來煤品的消費量呈現(xiàn)出大幅度的下降，天然氣替代了煤品的地位。研究表明天然氣所含的熱量相對于煤品來說較高，因此我們可以認為能源品種結(jié)構(gòu)的變革會影響能源消費的變化。

對于行業(yè)和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對能源消費的影響，由圖3可以看出，北京市正努力實現(xiàn)經(jīng)濟不再依賴于重工業(yè)，而是逐步提高第三產(chǎn)業(yè)比重，增強北京的軟實力，這將對北京的能源消費產(chǎn)生重大影響。

二、 北京市能源消費總量預測

（一）北京市能源消費總量多元回歸模型

本文決定將下列指標作為解釋變量來構(gòu)建北京市能源消費總量的多元回歸模型，即經(jīng)濟發(fā)展水平（X1），產(chǎn)業(yè)結(jié)構(gòu)（X2），人均地區(qū)生產(chǎn)總值（X3），城市化（X4），模型通過了多重共線性、異方差和自相關(guān)等一系列檢驗，模型的最終形式如下所示：

擬合精度見表1。

（二）北京市能源消費總量時間序列模型

本文對北京市1980年至2006年能源消費總量的時間序列數(shù)據(jù)在SAS中進行建模，并對2007—2014年的能源消費總量進行預測。最終確定北京市能源消費總量ARIMA（1，2，1）模型的表達形式，見下式。

擬合精度見表2。

（三）北京市能源消費總量GM（1，1）模型

MATLAB運行之后顯示級比檢驗通過，建立的灰色模型是：

接下來，根據(jù)構(gòu)建的GM（1，1）模型求得1998-2015年北京市能源消費總量的灰色預測值，結(jié)果如表3所示，表中數(shù)據(jù)顯示模型的擬合精度較高。

三、總結(jié)及展望

通過分析我們可以知道，到2020年北京市的能源消費總量將有可能達到6340.7162萬噸標準煤，年增長率幾乎達到了3.3%。這意味著北京市能源供應將面臨著巨大的壓力，針對這種情況本文對緩解能源壓力提出幾點意見。

首先，減少國民經(jīng)濟中第二產(chǎn)業(yè)的比重，提高能源利用效率。為了提高能源利用效率，我們必須走一條新的工業(yè)化道路，大力發(fā)展高新技術(shù)、高效、低耗能的產(chǎn)業(yè)，大力發(fā)展第三產(chǎn)業(yè)，逐步實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型。

其次，大力發(fā)展可再生能源、增加清潔能源在能源消費中的比重。政府應當出臺一系列政策鼓勵企業(yè)對新型可再生能源的開發(fā)利用，控制煤和石油等常規(guī)能源在能源消費中的比重，加大科技創(chuàng)新資金的投入，推動能源消費結(jié)構(gòu)逐步優(yōu)化升級。同時，做好扶貧攻堅工作，促進城鄉(xiāng)一體化發(fā)展。

參考文獻：

[1]Hongting Ma. Analysis of typical public building energy consumption in northern China[J].Elsevier B.V.，2016， 37（11）.

[2]肖宏偉. “十三五”時期北京市能源消費總量及結(jié)構(gòu)變化趨勢預測[J].研究與探討， 2015，37（07）.

[3]M.Balodis. Analytical Treatment of Forecasts of Electric Energy Consumption in Latvia[J]. Latvian Journal of Physics and Technical Sciences，2014， 56（06）.

[4]Vaghefi，Azai. A Statistical Approach to Modeling and Forecast of the Building Energy Consumption[J]. ProQuest， 2013，44（08）.

[5]崔慶安.基于主成分分析與支持向量機的能源需求預測方法[J]. 統(tǒng)計與決策，2013，389（17）.

[6]鄧鴻鵠.北京市能源消費預測方法比較研究[D].北京：北京林業(yè)大學，2013.

[7]伊衛(wèi)國.基于關(guān)聯(lián)規(guī)則與決策樹的預測方法研究及其應用[D].大連：大連海事大學，2012.

[8]陳曦.基于logistic模型的經(jīng)濟增長與能源預測分析——以天津“十二五”期間為例[J].發(fā)展研究，2010，17（05）.

[9]劉愛芹.基于組合模型的能源消費預測研究[D].山東：山東財經(jīng)學院，2010.

[10][ZK（]高新才.中國能源消費系統(tǒng)預測模型的構(gòu)建[J]. 統(tǒng)計與決策，2009，281（05）.