何潤(rùn)民 王富平， 李洪兵 鄒曉琴 王 蒞

（1.中國(guó)石油西南油氣田公司天然氣經(jīng)濟(jì)研究所，四川 成都 610051；2.西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，四川 成都 610500）

0 引言

近年來(lái)，隨著我國(guó)經(jīng)濟(jì)快速發(fā)展，城鎮(zhèn)化建設(shè)快速推進(jìn)等因素帶來(lái)的影響，天然氣作為安全高效、綠色清潔的低碳能源，逐漸成為我國(guó)實(shí)現(xiàn)綠色經(jīng)濟(jì)、清潔能源低碳發(fā)展的最現(xiàn)實(shí)選擇。2016年，中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì)（以下簡(jiǎn)稱“國(guó)家發(fā)改委”）印發(fā)《能源生產(chǎn)和消費(fèi)革命戰(zhàn)略（2016—2030）》［1］，指出要擴(kuò)大天然氣替代規(guī)模、充分利用分布式天然氣，并實(shí)施天然氣推廣利用重大戰(zhàn)略行動(dòng)?！都涌焱七M(jìn)天然氣利用的意見(jiàn)（2017）》，強(qiáng)調(diào)將天然氣培育成為中國(guó)現(xiàn)代清潔能源體系的主體能源。2019年中國(guó)天然氣消費(fèi)量?jī)H占全國(guó)能源消費(fèi)總量的8.1%，由此可見(jiàn)，提高天然氣在一次能源消費(fèi)結(jié)構(gòu)中的占比，是加快構(gòu)建清潔低碳、安全高效的現(xiàn)代能源體系的重要路徑，也是有效治理大氣污染，積極應(yīng)對(duì)全球氣候變化的有效途徑。

天然氣市場(chǎng)發(fā)展受眾多復(fù)雜影響因素的制約，各影響因素具有隨機(jī)不確定性的相互影響，其影響程度較難確定。精準(zhǔn)預(yù)測(cè)中國(guó)天然氣需求量，為科學(xué)施策提供數(shù)據(jù)支撐，保障重要領(lǐng)域及民生領(lǐng)域的供氣安全，科學(xué)有效地推進(jìn)中國(guó)天然氣發(fā)展戰(zhàn)略規(guī)劃設(shè)計(jì)，在對(duì)中國(guó)天然氣需求量影響因素進(jìn)行分析的基礎(chǔ)上，挖掘有效驅(qū)動(dòng)因素，并據(jù)此對(duì)天然氣需求量進(jìn)行預(yù)測(cè)。

1 相關(guān)研究現(xiàn)狀

迄今為止，國(guó)內(nèi)外學(xué)者對(duì)天然氣需求量的分析及預(yù)測(cè)進(jìn)行了多角度的研究，主要集中在以下兩個(gè)方面。

1）天然氣需求量的影響因素。在影響因素方面，柴建等［2］選擇了包括人口因素、能源消費(fèi)結(jié)構(gòu)、國(guó)內(nèi)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、天然氣產(chǎn)業(yè)投資、替代品的市場(chǎng)占有率等因素作為影響天然氣需求量的解釋變量，對(duì)天然氣需求量進(jìn)行分析；鄒才能等［3］在基于人工智能與大數(shù)據(jù)的基礎(chǔ)上，為建立油氣“安全消費(fèi)峰值”，綜合油氣供給結(jié)構(gòu)、油氣庫(kù)存、地緣政治因素、人口規(guī)模、進(jìn)口路徑和氣候變化等眾多因素，對(duì)油氣需求特征進(jìn)行分析；蔡流［4］結(jié)合產(chǎn)業(yè)集中度的指標(biāo)和協(xié)整模型分析表明，對(duì)中國(guó)天然氣需求量產(chǎn)生影響的主要因素包括經(jīng)濟(jì)增長(zhǎng)、替代能源的價(jià)格以及天然氣價(jià)格；李洪兵等［5］利用逐步回歸分析法，按照關(guān)聯(lián)度大小，對(duì)GDP、產(chǎn)業(yè)結(jié)構(gòu)、消費(fèi)水平、城鎮(zhèn)化率等6個(gè)影響因素進(jìn)行統(tǒng)計(jì)顯著性檢驗(yàn)，并構(gòu)建函數(shù)模型預(yù)測(cè)天然氣未來(lái)需求變化趨勢(shì)；楊俊等［6］采用因子分析方法與回歸分析方法對(duì)天然氣需求量的影響因素進(jìn)行因子和聚類分析，將其主導(dǎo)影響因素歸為消費(fèi)總量、消費(fèi)強(qiáng)度以及增長(zhǎng)速度；甄仟等［7］采用分解技術(shù)方法，識(shí)別影響天然氣需求量的主要因素有經(jīng)濟(jì)發(fā)展、天然氣管道建設(shè)、能源消費(fèi)強(qiáng)度、管道設(shè)施的服務(wù)效率以及能源消費(fèi)結(jié)構(gòu)；高建等［8］運(yùn)用迪氏對(duì)數(shù)指標(biāo)分解法，將天然氣需求量驅(qū)動(dòng)因素分解為管網(wǎng)密度、人口城鎮(zhèn)化、天然氣替代、經(jīng)濟(jì)增長(zhǎng)、居民天然氣氣化率、空間擴(kuò)張、人口密度、能源消費(fèi)彈性和管道規(guī)模，并進(jìn)行定量分析各效應(yīng)對(duì)中國(guó)城市天然氣需求量量變動(dòng)的貢獻(xiàn)率；Shahbaz等［9］構(gòu)建包括資本投資、出口、勞動(dòng)力影響因素在內(nèi)的多元框架模型，研究巴基斯坦經(jīng)濟(jì)增長(zhǎng)對(duì)天然氣需求量的影響；Zhang等［10］將國(guó)內(nèi)生產(chǎn)總值、城市人口、能源消費(fèi)結(jié)構(gòu)、工業(yè)結(jié)構(gòu)、能源效率以及商品和服務(wù)出口，作為解釋變量通過(guò)貝葉斯模型平均法預(yù)測(cè)天然氣消費(fèi)量。

2）天然氣需求量預(yù)測(cè)方法。不同的預(yù)測(cè)方法從不同角度揭示預(yù)測(cè)對(duì)象的演變規(guī)律，越來(lái)越多的預(yù)測(cè)方法應(yīng)用于天然氣需求量預(yù)測(cè)，并得到了較好的實(shí)踐和發(fā)展：王建良等［11］利用篩選出的核心因素，構(gòu)建分?jǐn)?shù)階GM（1，3）模型對(duì)中國(guó)東中西部不同區(qū)域的天然氣消費(fèi)需求量進(jìn)行了預(yù)測(cè)；李洪兵等［12］運(yùn)用能源消費(fèi)彈性系數(shù)法對(duì)中國(guó)未來(lái)能源消費(fèi)趨勢(shì)進(jìn)行了預(yù)測(cè)，并構(gòu)建消費(fèi)增量貢獻(xiàn)模型預(yù)測(cè)天然氣未來(lái)需求量；Szoplik［13］將日歷和天氣因素納入建立的多層感知機(jī)模型，用于預(yù)測(cè)一年中任何一天或一天中任何時(shí)候的天然氣消費(fèi)量；李洪兵等［14］采用相對(duì)關(guān)聯(lián)度分析影響因素與天然氣需求量之間的關(guān)聯(lián)程度，并利用雙對(duì)數(shù)函數(shù)構(gòu)建預(yù)測(cè)模型對(duì)川渝地區(qū)天然氣需求量進(jìn)行了預(yù)測(cè)。單一模型存在一定的局限性，組合模型可充分吸納單一模型提供的有用信息，預(yù)測(cè)結(jié)果精度更高、穩(wěn)定性更好：馬小艷［15］利用DGM（1，1）模型和線性回歸模型的優(yōu)點(diǎn)，將兩者融合在一起，建立了DGM（1，1）線性回歸組合模型對(duì)重慶市天然氣消費(fèi)量進(jìn)行預(yù)測(cè)，為解決天然氣供給側(cè)問(wèn)題提供了數(shù)據(jù)支撐；陳川等［16］構(gòu)建了BPNNEMD-LSTM組合預(yù)測(cè)模型，通過(guò)與實(shí)證研究的對(duì)比分析，該組合模型較適合城市天然氣短期日負(fù)荷需求預(yù)測(cè)；張吉軍等［17］利用結(jié)果組合思想，構(gòu)建了復(fù)合權(quán)重的天然氣需求量組合模型預(yù)測(cè)天然氣未來(lái)需求量；Zhu等［18］利用擬合值偏離度倒數(shù)法確定單一模型的組合加權(quán)系數(shù)，構(gòu)建了殘差自回歸模型和Kal?man濾波算法的組合預(yù)測(cè)模型，對(duì)天然氣需求量進(jìn)行預(yù)測(cè)分析。

需要注意的是，上述分析國(guó)民經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)、人口、城鎮(zhèn)化、能源消費(fèi)總量、能源價(jià)格、能源消費(fèi)結(jié)構(gòu)、環(huán)保政策、氣象變化、管道建設(shè)、日期等因素，對(duì)天然氣需求量的影響，并以單一模型或非最優(yōu)組合模型為主進(jìn)行天然氣需求量預(yù)測(cè)。未考慮將科技創(chuàng)新、收入水平等作為天然氣需求量的解釋變量，構(gòu)建最優(yōu)組合模型預(yù)測(cè)天然氣需求量。為此，將科技創(chuàng)新和收入水平納入天然氣需求量的解釋變量中，采用灰色相對(duì)關(guān)聯(lián)度從GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展、能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)、環(huán)境規(guī)制、科技創(chuàng)新、收入水平8個(gè)影響因素中，挖掘?qū)μ烊粴庑枨罅坑绊戄^大且不存在多重共線性問(wèn)題的有效影響因素，并將多元線性回歸模型與Cobb-Douglas生產(chǎn)函數(shù)擴(kuò)展模型進(jìn)行融合，建立最優(yōu)組合模型，對(duì)天然氣需求量進(jìn)行預(yù)測(cè)。

2 相關(guān)方法原理

2.1 灰色相對(duì)關(guān)聯(lián)度

灰色理論早已應(yīng)用于天然氣消費(fèi)量預(yù)測(cè)［19］，而灰色相對(duì)關(guān)聯(lián)度是灰色關(guān)聯(lián)分析的一種重要方法，其基本思想是根據(jù)數(shù)據(jù)序列之間幾何曲線發(fā)展變化趨勢(shì)的緊密程度判斷數(shù)據(jù)序列的關(guān)聯(lián)程度［20］，克服了傳統(tǒng)概率統(tǒng)計(jì)需要大量的某一特殊規(guī)律數(shù)據(jù)的不足。運(yùn)用灰色相對(duì)關(guān)聯(lián)度選擇天然氣需求量影響較大的因素，作為自變量預(yù)測(cè)天然氣未來(lái)需求量。灰色相對(duì)關(guān)聯(lián)度計(jì)算步驟如下：

1）設(shè)長(zhǎng)度相同，且初始值非零的數(shù)據(jù)序列為：

2）計(jì)算Xi數(shù)據(jù)序列的初值像序列X*i，即：

2.2 灰色Verhulst模型

采用對(duì)非單調(diào)的擺動(dòng)發(fā)展數(shù)據(jù)序列預(yù)測(cè)性能較好的灰色Verhulst模型，預(yù)測(cè)2020—2025年天然氣需求量影響因素指標(biāo)值，為多元線性回歸模型和Cobb-Dauglas生產(chǎn)函數(shù)擴(kuò)展模型預(yù)測(cè)天然氣需求量提供基礎(chǔ)數(shù)據(jù)?；疑玍erhulst模型［19］構(gòu)建過(guò)程如下：

2.3 多元線性回歸模型

回歸分析是刻畫(huà)客觀事物之間具有存在和發(fā)展的內(nèi)在規(guī)律的回歸函數(shù)，由英國(guó)生物學(xué)家和統(tǒng)計(jì)學(xué)家高爾頓（Francis Galton）于19世紀(jì)末在研究遺傳學(xué)特性時(shí)首次提出來(lái)的。計(jì)量經(jīng)濟(jì)學(xué)理論定義回歸函數(shù)為：被解釋變量Y的條件均值表現(xiàn)為解釋變量X的函數(shù)，即

式（8）是以條件均值表現(xiàn)的回歸函數(shù)E(Y|Xi)刻畫(huà)隨著解釋變量的變化，被解釋變量的平均變化。在復(fù)雜的天然氣需求量預(yù)測(cè)系統(tǒng)中，將描述一個(gè)被解釋變量與多個(gè)解釋變量之間線性關(guān)系的回歸函數(shù)稱為多元線性回歸模型，一般形式為：

其中，Y t為第t時(shí)刻的被解釋變量，X it為第t時(shí)刻的第i個(gè)解釋變量，α0為截距系數(shù)，αi為斜率系數(shù)，ut為隨機(jī)誤差項(xiàng)（一般假定隨機(jī)誤差項(xiàng)期望值為零）。利用最小二乘法估計(jì)模型參數(shù)α0與αi的值。

2.4 灰色GM（0，N）模型

灰色GM（0，N）模型可用于具有多個(gè)自變量的天然氣需求量預(yù)測(cè)之中，其建模過(guò)程如下：為GM（0，N）模型。其中，-a為系統(tǒng)發(fā)展系數(shù)，bi為驅(qū)動(dòng)系數(shù)，b i x(i1)(k)為驅(qū)動(dòng)項(xiàng)。

2.5 最優(yōu)組合預(yù)測(cè)模型

組合預(yù)測(cè)模型就是將兩個(gè)及以上的單一預(yù)測(cè)模型進(jìn)行融合，充分利用單一預(yù)測(cè)模型提供的有用信息，達(dá)到進(jìn)一步降低預(yù)測(cè)誤差平方和的目的。預(yù)測(cè)誤差平方和反映了預(yù)測(cè)值離散程度的狀況，其值越小則表明預(yù)測(cè)模型的擬合預(yù)測(cè)性能越好，反之越差。以組合預(yù)測(cè)誤差平方和為目標(biāo)函數(shù)，通過(guò)使組合預(yù)測(cè)誤差平方和達(dá)到極小來(lái)確定組合預(yù)測(cè)模型的權(quán)重系數(shù)。若對(duì)同一預(yù)測(cè)對(duì)象有N種單一預(yù)測(cè)模型，則組合預(yù)測(cè)模型為：

其中，為組合預(yù)測(cè)模型第t時(shí)的預(yù)測(cè)值，ωj為第j種單一預(yù)測(cè)模型的權(quán)重系數(shù)，Y jt為第j種單一預(yù)測(cè)模型第t時(shí)的預(yù)測(cè)值。

組合預(yù)測(cè)模型的預(yù)測(cè)誤差為et，則

令P為分量全是1的向量，即P＝［1，1，…，1］T。則約束條件可表示為：

滿足約束條件式（17），使E達(dá)到最小的最優(yōu)權(quán)重系數(shù)向量為：

其中，e-1為e的逆矩陣。

3 挖掘有效的天然氣需求量影響因素

通過(guò)對(duì)歷史文獻(xiàn)的全面綜合分析和歸納總結(jié)，初步將GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展、能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)、環(huán)境規(guī)制［21］、單位能耗、收入水平8個(gè)影響因素作為中國(guó)天然氣需求量的解釋變量，探討其對(duì)天然氣需求量的影響。

2000—2019年的天然氣需求量影響因素各指標(biāo)均來(lái)源于中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局（以下簡(jiǎn)稱“國(guó)家統(tǒng)計(jì)局”）；2000—2017年天然氣需求量數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局，2018—2019年天然氣需求量數(shù)據(jù)來(lái)自于國(guó)家發(fā)改委公布數(shù)據(jù)整理所得，天然氣影響因素指標(biāo)及其需求量數(shù)據(jù)如表1所示。其中，天然氣影響因素GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口發(fā)展、能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)、環(huán)境規(guī)制、單位能耗、收入水平 等 解 釋 變 量，分 別 用X1、X2、X3、X4、X5、X6、X7、X8表示，單位分別為萬(wàn)億元、%、億人、108t標(biāo)準(zhǔn)煤、%、億元、m3／百元、萬(wàn)元；全國(guó)天然氣需求量用Y表示，單位為108m3。

表1 天然氣需求量影響因素指標(biāo)及其需求量統(tǒng)計(jì)表

首先，利用灰色相對(duì)關(guān)聯(lián)度模型計(jì)算天然氣需求量與各影響因素之間及兩兩影響因素之間的關(guān)聯(lián)度值，結(jié)果如表2所示。因0.5＜r0i≤1，故設(shè)定灰色相對(duì)關(guān)聯(lián)度r0i＜0.51時(shí)，表明該影響因素對(duì)天然氣需求量的影響程度極小，可剔除該解釋變量；設(shè)定兩兩影響因素之間的灰色相對(duì)關(guān)聯(lián)度大于0.85時(shí)，表明該組影響因素存在線性關(guān)系或接近線性關(guān)系，可剔除與天然氣需求量關(guān)聯(lián)度較小的解釋變量。

因此，由表2不難看出，解釋變量X2與被解釋變量Y之間的灰色相對(duì)關(guān)聯(lián)度為0.506 4，小于0.51，關(guān)聯(lián)程度較低，可剔除解釋變量X2；從表2可以發(fā)現(xiàn)：影響因素X1、X3、X4、X5、X6、X7、X8與天然氣需求量Y之間的灰色相對(duì)關(guān)聯(lián)性較強(qiáng)，初步考慮作為解釋變量。

表2 灰色相對(duì)關(guān)聯(lián)度表

其次，將初步篩選出來(lái)的解釋變量進(jìn)行兩兩分組，發(fā)現(xiàn)影響因素X4與X5相互之間的灰色相對(duì)關(guān)聯(lián)度分別為0.868 7，大于0.85，它們之間存在線性關(guān)系或接近線性關(guān)系，需要剔除其中兩個(gè)解釋變量；另一方面，影響因素X4、X5與天然氣需求量的灰色相對(duì)關(guān)聯(lián)度r04＝0.664 0＞r05＝0.621 0，由于解釋變量與被解釋變量的關(guān)聯(lián)程度越高越好，故剔除解釋變量X5。

最后，篩選與天然氣需求量關(guān)聯(lián)程度較高的影響因素，同時(shí)剔除存在線性關(guān)系或接近線性關(guān)系的影響因素之后，最終確定Y的解釋變量為X1、X3、X4、X6、X7、X8。

4 天然氣需求量預(yù)測(cè)

4.1 建立基于最優(yōu)權(quán)重系數(shù)的天然氣需求量組合預(yù)測(cè)模型

根據(jù)式（9）和式（10），利用被解釋變量Y與確定出的解釋變量X1、X3、X4、X6、X7、X8，建立多元線性回歸模型Y1和灰色GM（0，N）模型Y2，再以預(yù)測(cè)誤差平方和最小為目標(biāo)函數(shù)，將多元線性回歸模型Y1和灰色GM（0，N）模型Y2進(jìn)行融合，構(gòu)建最優(yōu)組合預(yù)測(cè)模型Y，預(yù)測(cè)的擬合結(jié)果如表3所示。則多元線性回歸模型和灰色GM（0，N）模型的擬合平均相對(duì)誤差分別為2.073 9%、1.934 3%，一般來(lái)說(shuō)，平均相對(duì)誤差值小于10%，模型預(yù)測(cè)精度為“優(yōu)”［11］，表明該模型可作為組合預(yù)測(cè)模型的單一預(yù)測(cè)模型。根據(jù)式（17），確定以預(yù)測(cè)誤差平方和最小為目標(biāo)函數(shù)的最優(yōu)組合權(quán)重系數(shù)分別為：ω1＝0.821 3和ω2＝0.178 7。

表3 天然氣需求量的擬合值統(tǒng)計(jì)表 單位：108m3

由式（12）可得最優(yōu)組合預(yù)測(cè)模型為：

天然氣需求量實(shí)際值與最優(yōu)組合預(yù)測(cè)模型擬合值的對(duì)比情況如圖1所示。

圖1 中國(guó)天然氣需求量預(yù)測(cè)圖

4.2 最優(yōu)組合模型的天然氣需求量預(yù)測(cè)

被解釋變量需要在相關(guān)解釋變量已知的情況下進(jìn)行預(yù)測(cè)，采用預(yù)測(cè)性能較好的灰色Verhulst模型對(duì)2021—2025年的各影響因素指標(biāo)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表4所示。

表4 各影響因素指標(biāo)預(yù)測(cè)結(jié)果表

分析圖1可知，以有效驅(qū)動(dòng)因素構(gòu)建的最優(yōu)組合模型可實(shí)現(xiàn)拐點(diǎn)預(yù)測(cè)，具有非線性逼近預(yù)測(cè)功能。由表3可知，最優(yōu)組合預(yù)測(cè)模型的誤差平方和比多元線性回歸模型和灰色GM（0，N）模型的誤差平方和分別減少了368、7 760，表明該最優(yōu)組合預(yù)測(cè)模型對(duì)天然氣未來(lái)需求量預(yù)測(cè)具有較強(qiáng)的說(shuō)服力。因此，以最優(yōu)組合預(yù)測(cè)模型預(yù)測(cè)出的2021—2025年中國(guó)天然氣需求量如圖1所示。

由圖1分析可知，2020年受新冠肺炎疫情影響，天然氣提前實(shí)施淡季價(jià)格支持復(fù)工復(fù)產(chǎn)，其需求量仍保持較高增速。2021—2025年中國(guó)天然氣需求量年均增速由近6年的10.28%降至6.79%，且天然氣增長(zhǎng)率呈下降趨勢(shì)，表明中國(guó)天然氣需求量的增速有所減緩；隨著中國(guó)經(jīng)濟(jì)的高質(zhì)量發(fā)展、人口數(shù)量穩(wěn)步增長(zhǎng)、收入水平的不斷提高，中國(guó)天然氣需求量仍呈增長(zhǎng)趨勢(shì)，到2025年中國(guó)天然氣需求量將達(dá)到4 548×108m3。

5 結(jié)論

深入分析了天然氣需求量的影響因素并在此基礎(chǔ)上對(duì)天然氣需求量進(jìn)行預(yù)測(cè)，不僅是相關(guān)部門(mén)制定能源體系發(fā)展政策的基礎(chǔ)，也是建立天然氣供需預(yù)測(cè)預(yù)警機(jī)制的內(nèi)在需求。采用灰色相對(duì)關(guān)聯(lián)度模型分析天然氣需求量背后的驅(qū)動(dòng)因素，然后挖掘出對(duì)天然氣需求量影響較大且不存在共線性問(wèn)題的有效因素作為解釋變量，并據(jù)此建立最優(yōu)組合預(yù)測(cè)模型，對(duì)中國(guó)天然氣需求量進(jìn)行預(yù)測(cè)。主要結(jié)論如下：

1）灰色相對(duì)關(guān)聯(lián)度模型分析結(jié)果顯示：對(duì)中國(guó)天然氣需求量影響程度從高到低排列的因素依次為GDP、收入水平、能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)、環(huán)境規(guī)制、單位能耗、人口發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)；根據(jù)影響因素與天然氣需求量的關(guān)聯(lián)程度以及因素之間是否存在多重共線性問(wèn)題，最終挖掘出GDP、收入水平、能源消費(fèi)總量、能源消費(fèi)結(jié)構(gòu)、單位能耗、人口發(fā)展6個(gè)有效影響因素作為解釋變量，其中GDP、單位能耗對(duì)天然氣需求量具有正向驅(qū)動(dòng)效應(yīng)；GDP增長(zhǎng)對(duì)天然氣需求量增長(zhǎng)貢獻(xiàn)最大，控制GDP高質(zhì)量發(fā)展速度可有效控制天然氣需求量增長(zhǎng)速度。

2）以預(yù)測(cè)誤差平方和最小為目標(biāo)函數(shù)，構(gòu)建的最優(yōu)組合預(yù)測(cè)模型比單一預(yù)測(cè)模型的擬合誤差平方和降低了7.15%～61.92%，表明該最優(yōu)組合模型具有很好的預(yù)測(cè)性能?；谠摻M合模型的預(yù)測(cè)結(jié)果表明，2021—2025年中國(guó)天然氣需求量仍呈持續(xù)上升趨勢(shì)，但隨著科學(xué)技術(shù)的不斷創(chuàng)新、能源發(fā)展邁入提質(zhì)增效新階段、中國(guó)經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展新時(shí)代階段，天然氣需求量增速有所降低，天然氣市場(chǎng)將由快速發(fā)展向穩(wěn)定發(fā)展轉(zhuǎn)變。對(duì)天然氣需求量的預(yù)測(cè)，為加強(qiáng)天然氣市場(chǎng)的監(jiān)測(cè)和預(yù)判提供了科學(xué)依據(jù)，為建立天然氣需求側(cè)管理和調(diào)峰機(jī)制提供了數(shù)據(jù)支撐，為實(shí)現(xiàn)天然氣供需動(dòng)態(tài)平衡提供了重要參考。