孫 超，姜 琳，袁廣玉

(應(yīng)急管理部信息研究院，北京 100029)

煤炭是我國(guó)經(jīng)濟(jì)的重要支撐，在我國(guó)能源結(jié)構(gòu)中占據(jù)重要地位。隨著我國(guó)能源技術(shù)的發(fā)展及環(huán)境保護(hù)政策的出臺(tái)，能源消耗結(jié)構(gòu)不斷優(yōu)化，風(fēng)力發(fā)電、水力發(fā)電及核能源已凸顯出其在再生能源中的優(yōu)勢(shì)，煤炭、石油等一次性化石能源所占比例不斷減小，但煤炭占據(jù)我國(guó)能源的主體地位在短時(shí)間內(nèi)仍難以改變[1]。煤炭行業(yè)供需產(chǎn)量的精準(zhǔn)分析對(duì)提升煤炭企業(yè)效率、優(yōu)化我國(guó)煤炭供需結(jié)構(gòu)具有重要作用[2]。因此，如何構(gòu)建煤炭供需量預(yù)測(cè)模型，對(duì)實(shí)現(xiàn)煤炭供需端的量化分析、避免煤炭企業(yè)的超產(chǎn)及浪費(fèi)、保證我國(guó)經(jīng)濟(jì)的持續(xù)穩(wěn)定發(fā)展具有重要的研究意義。

眾多學(xué)者對(duì)煤炭供需預(yù)測(cè)方法進(jìn)行了探索，并取得了一定的研究成果?，F(xiàn)有的供需方法多數(shù)從兩個(gè)方面進(jìn)行研究，一方面是對(duì)我國(guó)煤炭的供需能力進(jìn)行分析，李肖冰[3]從系統(tǒng)動(dòng)力學(xué)角度構(gòu)建了我國(guó)能源供需兩端的預(yù)測(cè)模型；劉娜等[4]通過(guò)灰色關(guān)聯(lián)分析法，對(duì)影響煤炭消耗量的關(guān)聯(lián)因素進(jìn)行了分析，并以Eviews軟件實(shí)現(xiàn)了煤炭消耗的多元分析；車?yán)鱗5]在分析我國(guó)煤炭生產(chǎn)及供應(yīng)現(xiàn)狀的特點(diǎn)之后，對(duì)我國(guó)中長(zhǎng)期的煤炭供應(yīng)結(jié)構(gòu)進(jìn)行了預(yù)測(cè)；吳飛等[6]在深入分析我國(guó)煤炭供應(yīng)的影響因素中，從定性和定量?jī)蓚€(gè)角度對(duì)我國(guó)2018—2020年我國(guó)煤炭供應(yīng)量進(jìn)行了預(yù)測(cè)。另一方面是從煤炭的產(chǎn)量進(jìn)行預(yù)測(cè)研究，羅迪等[7]以Gauss-Legendre對(duì)GM(1，1)模型精度進(jìn)行了優(yōu)化，并對(duì)原煤產(chǎn)量進(jìn)行了預(yù)測(cè)研究；彭新等[8]在對(duì)GM(1，1)模型、GM(1，1)殘差模型和等維新息GM(1，1)模型分析的基礎(chǔ)之上，優(yōu)選了GM(1，1)模型，并對(duì)我國(guó)近5年煤炭產(chǎn)量進(jìn)行了預(yù)測(cè)；賈縣民等[9]在充分考慮煤炭開采因素的情況下，建立了煤炭最優(yōu)化開采模型，對(duì)我國(guó)煤炭開采量進(jìn)行了數(shù)值模擬；葉佩[10]基于GM(1，1)模型構(gòu)建了基于關(guān)聯(lián)挖掘技術(shù)的煤炭產(chǎn)量預(yù)測(cè)模型；宋曉震等[11]構(gòu)建了GM(1，1)-Markov組合預(yù)測(cè)模型，對(duì)我國(guó)2019年和2020年的煤炭產(chǎn)量進(jìn)行了預(yù)測(cè)。綜合以上分析，現(xiàn)有的煤礦預(yù)測(cè)模型多是以GM(1，1)模型和Markov模型為基礎(chǔ)，對(duì)煤炭的供需量進(jìn)行分析，但由于煤炭產(chǎn)量數(shù)據(jù)的樣本量較小，在構(gòu)建預(yù)測(cè)模型時(shí)，樣本量較小及樣本特征對(duì)產(chǎn)量預(yù)測(cè)的影響較大，因此，如何考慮在煤炭供需量樣本數(shù)據(jù)小及非線性特征的基礎(chǔ)之上構(gòu)建煤炭供需量的精準(zhǔn)預(yù)測(cè)，對(duì)我國(guó)煤炭產(chǎn)能優(yōu)化具有重要的理論價(jià)值和實(shí)踐意義。本文在對(duì)我國(guó)煤炭供需現(xiàn)狀分析的基礎(chǔ)之上，運(yùn)用相關(guān)向量機(jī)對(duì)“十四五”期間我國(guó)煤炭供需情況進(jìn)行預(yù)測(cè)分析，進(jìn)而為我國(guó)煤炭能源結(jié)構(gòu)優(yōu)化及煤炭行業(yè)相關(guān)政策制定提供借鑒。

1 我國(guó)煤炭供需現(xiàn)狀分析

1.1 煤炭生產(chǎn)

改革開放以來(lái)，我國(guó)煤炭生產(chǎn)方式經(jīng)歷了從炮采到普采，再到綜采的快速轉(zhuǎn)變，生產(chǎn)結(jié)構(gòu)實(shí)現(xiàn)了由粗放式到集約式發(fā)展轉(zhuǎn)變，供應(yīng)能力顯著提升。根據(jù)國(guó)家統(tǒng)計(jì)局公布的煤炭產(chǎn)量數(shù)據(jù)，2000年我國(guó)煤炭產(chǎn)量為9.51億t，2014年達(dá)到峰值38.7億t，此后受市場(chǎng)需求影響出現(xiàn)連續(xù)三年下降，2015年完成37.5億t。自2016年我國(guó)加快推進(jìn)煤炭行業(yè)供給側(cè)結(jié)構(gòu)性改革以來(lái)，重新提高了產(chǎn)業(yè)集中度，2017—2019年產(chǎn)量分別為35.2億t、36.8億t和38.07億t，分別同比增長(zhǎng)3.3、4.5和3.45個(gè)百分點(diǎn)。盡管增長(zhǎng)幅度沒(méi)有“黃金十年”大，但增長(zhǎng)質(zhì)量和結(jié)構(gòu)得到了進(jìn)一步優(yōu)化。

1.2 煤炭消費(fèi)

20世紀(jì)煤炭一直是我國(guó)能源消費(fèi)的主體，消費(fèi)量在能源消費(fèi)總量中保持80%左右，進(jìn)入21世紀(jì)后開始緩慢下降。根據(jù)國(guó)家統(tǒng)計(jì)局公布的煤炭消費(fèi)量數(shù)據(jù)，2000年我國(guó)煤炭消費(fèi)為12.45億t，到2005年增長(zhǎng)到21.08億t，2013年達(dá)到歷史峰值37.08億t，隨后經(jīng)歷了三年下降，幅度分別為2.9、3.7和4.7個(gè)百分點(diǎn)。2017年受經(jīng)濟(jì)穩(wěn)中向好、異常天氣多發(fā)等因素疊加影響，需求快速增長(zhǎng)，特別是發(fā)電用煤增長(zhǎng)幅度較大，2017—2019年消費(fèi)量分別為38.7億t、39.09億t和39.87億t，高出世界目前平均水平近30個(gè)百分點(diǎn)。四大耗煤行業(yè)中，電力行業(yè)仍是第一耗煤大戶，且近3年來(lái)每年新增消耗煤炭約1.5億t；鋼鐵和建材行業(yè)近3年耗煤量逐年遞減，但幅度不大；化工行業(yè)近3年呈遞增趨勢(shì)，年均增長(zhǎng)率約為10%。

值得注意的是，通過(guò)產(chǎn)/消量對(duì)比可以發(fā)現(xiàn)，我國(guó)煤炭供需平衡共分為三個(gè)階段：第一階段是2000—2001年，煤炭產(chǎn)量小于消費(fèi)量；第二階段是2002—2013年，我國(guó)經(jīng)濟(jì)增長(zhǎng)拉動(dòng)了煤炭投資，煤炭產(chǎn)量與消費(fèi)量總體差距不大，但產(chǎn)能過(guò)剩的趨勢(shì)開始顯現(xiàn)，在2014年尤為明顯；第三階段是2014至今，隨著煤炭高質(zhì)量改革發(fā)展不斷推進(jìn)，煤炭產(chǎn)量大于消費(fèi)量，但總體逐漸趨于平衡。

2 基于相關(guān)向量機(jī)的煤炭供需預(yù)測(cè)模型

相關(guān)向量機(jī)[12](Relevance Vector Machine，RVM)是Micnacl E.Tipping提出的一種基于貝葉斯框架的稀疏概率模型。相關(guān)向量機(jī)算法通過(guò)主動(dòng)相關(guān)決策理論(automatic relevance determination，ARD)對(duì)不相關(guān)的點(diǎn)進(jìn)行移除，進(jìn)而對(duì)模型進(jìn)行稀疏化處理，相比于支持向量機(jī)模型，其加大降低了核函數(shù)的計(jì)算量。

假設(shè)模型輸入向量為xi，N為訓(xùn)練集樣本數(shù)，ti為樣本訓(xùn)練輸出向量，則RVM回歸模型的構(gòu)建如下：

式中，y(ω，xi)為權(quán)重向量下的輸出值；ω為權(quán)重向量矩陣；x為輸入向量矩陣；εi為服從高斯分布的第i個(gè)噪聲誤差；k(x，xi)為核函數(shù)向量矩陣。

當(dāng)樣本輸出向量相互獨(dú)立時(shí)，則訓(xùn)練樣本的極大似然函數(shù)為：

式中，δ2為高斯噪聲的方差；φ為核函數(shù)k(xn，xi)組成的核矩陣。

對(duì)ω的后驗(yàn)分布求解過(guò)程中，首先需要對(duì)其先驗(yàn)分布進(jìn)行求解，假設(shè)ωi的高斯分布為：

式中，α為決定權(quán)重向量；ω為先驗(yàn)分布的超參數(shù)。

從煤礦供需量的數(shù)據(jù)樣本本質(zhì)出發(fā)，其每年的產(chǎn)量符合馬爾可夫性質(zhì)[13]，因此，結(jié)合貝葉斯公理[14]，對(duì)于輸入矩陣x*，其對(duì)應(yīng)的預(yù)測(cè)值y*的分布為：

其中，P(ω，α，δ2|t)=P(ω|t，α，δ2)P(α，δ2|t)。

由于P(α，δ2|t)∝P(t|ω，δ2)P(α)P(δ2)，則t的條件分布為：

式中，Ω為t的條件分布協(xié)方差，Ω=δ2I+φA-1φT；I為單位矩陣；A為對(duì)角陣。

則P(y*|t)可換算為：

式中，φ(x*)為樣本核矩陣。

3 “十四五”期間煤炭供需預(yù)測(cè)

為實(shí)現(xiàn)基于RVM的煤礦供需量預(yù)測(cè)，現(xiàn)將2000—2019年的煤炭消費(fèi)量數(shù)據(jù)集進(jìn)行劃分，將2000—2014年數(shù)據(jù)作為模型訓(xùn)練集，2015—2019年數(shù)據(jù)作為預(yù)測(cè)集，對(duì)基于RVM的煤炭供需預(yù)測(cè)模型進(jìn)行訓(xùn)練分析。同時(shí)為驗(yàn)證RVM在煤炭供需預(yù)測(cè)中的適用性及優(yōu)越性，選取BP神經(jīng)網(wǎng)絡(luò)模型[15]進(jìn)行對(duì)比研究?；赗VM和BP神經(jīng)網(wǎng)絡(luò)的2015—2019年煤炭消費(fèi)量數(shù)據(jù)預(yù)測(cè)如圖1所示。

圖1 2015—2019年煤炭消費(fèi)量預(yù)測(cè)值對(duì)比

由圖1可知，基于RVM的煤炭消費(fèi)量預(yù)測(cè)值相較于真實(shí)值差距較小，而基于BP神經(jīng)網(wǎng)絡(luò)的煤炭消費(fèi)量預(yù)測(cè)偏差較大。針對(duì)2015—2019年煤炭消費(fèi)量五個(gè)數(shù)據(jù)樣本的預(yù)測(cè)相對(duì)誤差見表1。根據(jù)表1數(shù)據(jù)可知，RVM在對(duì)第一個(gè)數(shù)據(jù)樣本預(yù)測(cè)時(shí)，其相對(duì)誤差比BP神經(jīng)較大，而對(duì)其它四個(gè)樣本的相對(duì)誤差均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，且五個(gè)樣本的平均相對(duì)誤差也較BP神經(jīng)網(wǎng)絡(luò)有較大優(yōu)勢(shì)。由此可知，基于RVM的煤炭消費(fèi)量預(yù)測(cè)方法精度要優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的煤炭消費(fèi)量預(yù)測(cè)方法。

表1 RVM和BP神經(jīng)網(wǎng)絡(luò)的樣本預(yù)測(cè)相對(duì)誤差 %

基于以上分析，將基于RVM的煤炭供需量預(yù)測(cè)模型運(yùn)用于“十四五”期間的煤炭供需量預(yù)測(cè)，其中，將2000—2019年的煤炭供需量作為訓(xùn)練集，2020—2025年煤炭供需量作為預(yù)測(cè)集，預(yù)測(cè)數(shù)據(jù)見表2。

表2 2020—2025年我國(guó)煤炭供需量預(yù)測(cè) 億t

4 結(jié) 論

在對(duì)煤炭供需預(yù)測(cè)樣本數(shù)量較小及非線性特征的基礎(chǔ)之上，構(gòu)建了基于相關(guān)向量機(jī)(RVM)的煤炭供需量預(yù)測(cè)模型，并基于此模型，對(duì)我國(guó)“十四五”期間的煤炭供需量進(jìn)行了預(yù)測(cè)分析。預(yù)測(cè)結(jié)果表明，“十四五”期間我國(guó)的煤炭的產(chǎn)量和需求量仍處于穩(wěn)步上升的趨勢(shì)，且煤炭的自供應(yīng)量仍然占據(jù)煤炭消費(fèi)的絕大部分，而面對(duì)此種煤炭供需關(guān)系，應(yīng)該從監(jiān)管與被監(jiān)管角度對(duì)政府部門和煤炭企業(yè)進(jìn)行安全風(fēng)險(xiǎn)預(yù)控，以減少煤礦事故災(zāi)害帶來(lái)的人員傷亡和經(jīng)濟(jì)損失，降低對(duì)和諧穩(wěn)定社會(huì)建設(shè)的影響。

1)政府部門的安全監(jiān)管角度。以各級(jí)煤礦安全監(jiān)察局為主的煤礦安全監(jiān)管是保證煤礦企業(yè)安全穩(wěn)定生產(chǎn)的主導(dǎo)因素。定時(shí)定期對(duì)煤礦企業(yè)進(jìn)行風(fēng)險(xiǎn)檢查及安全督察，保證煤礦企業(yè)在生產(chǎn)、運(yùn)營(yíng)等層面嚴(yán)格按照國(guó)家相關(guān)規(guī)定生產(chǎn)，尤其在“十四五”期間，煤炭產(chǎn)量及消費(fèi)量穩(wěn)步提升，煤礦的安全生產(chǎn)是我國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展的重要保障。因此，在安全監(jiān)管角度出發(fā)，除了按照已有的法律法規(guī)進(jìn)行如期監(jiān)管，還應(yīng)繼續(xù)完善對(duì)煤礦企業(yè)的安全監(jiān)管制度，減少安全監(jiān)管漏失，強(qiáng)化安全監(jiān)管力度，做到有風(fēng)險(xiǎn)必查，有違章必罰。另外，還應(yīng)提升應(yīng)急管理響應(yīng)力度，能夠在煤礦企業(yè)發(fā)生事故時(shí)，做到及時(shí)響應(yīng)，及時(shí)開展救援；完善應(yīng)急管理體系，避免煤礦在事故災(zāi)害發(fā)生之后的二次損傷，做到應(yīng)急管理的全面化。

2)煤炭企業(yè)的風(fēng)險(xiǎn)防控角度。煤礦安全風(fēng)險(xiǎn)管控失效是煤礦事故災(zāi)害的直接原因。從風(fēng)險(xiǎn)根源進(jìn)行風(fēng)險(xiǎn)管控及治理，是降低煤礦風(fēng)險(xiǎn)演化的重要舉措。在“三位一體”安全管理理論及雙重預(yù)防機(jī)制理論的指導(dǎo)下，應(yīng)對(duì)煤礦固有風(fēng)險(xiǎn)進(jìn)行按期、及時(shí)辨識(shí)；對(duì)煤礦安全隱患進(jìn)行及時(shí)整改，對(duì)重點(diǎn)隱患進(jìn)行掛牌督辦、重點(diǎn)關(guān)注。同時(shí)，借助信息化手段，構(gòu)建煤礦安全風(fēng)險(xiǎn)及安全隱患的過(guò)程管理模式，強(qiáng)化安全風(fēng)險(xiǎn)的階段性排查及安全隱患的流程化處理，實(shí)現(xiàn)煤礦風(fēng)險(xiǎn)管理的過(guò)程透明化。另外，仍需要對(duì)煤炭企業(yè)自身的安全管理制度及體系進(jìn)行完善，隨著煤礦生產(chǎn)的進(jìn)行，不斷對(duì)地質(zhì)資料等進(jìn)行完善補(bǔ)充，做到有據(jù)可循，有據(jù)可依，在遵循煤礦生產(chǎn)相關(guān)規(guī)定的前提下，細(xì)化適用于自身的安全管理細(xì)則，降低煤礦安全生產(chǎn)事故的發(fā)生概率，保證煤礦安全生產(chǎn)的順利開展。

3)礦山智能化應(yīng)用角度。隨著科學(xué)技術(shù)的進(jìn)步，煤礦的信息化和智能化水平不斷提升。而在智慧礦山建設(shè)框架的指引下，建立煤礦智能化開采及智慧化管控已成為當(dāng)前礦山建設(shè)的主流方向。因此，在結(jié)合煤礦自身已建設(shè)的基礎(chǔ)設(shè)施之上，積極開展煤礦智能化建設(shè)，不斷提升礦山信息化水平，以科技保障煤炭行業(yè)的安全發(fā)展，也是“十四五”期間我國(guó)煤炭穩(wěn)定供需的保證之一。同時(shí)，以大數(shù)據(jù)角度對(duì)礦山感知數(shù)據(jù)進(jìn)行深度挖掘，構(gòu)建以知識(shí)圖譜為核心的煤礦安全智慧管控及智能監(jiān)管，進(jìn)一步提升煤礦安全生產(chǎn)水平。