新疆制造业能源消费预测研究

摘 要：制造业作为新疆经济结构的重要组成部分，对能源的消耗呈逐渐上升趋势。文章收集了1990-2009年新疆制造业能源消费数据，采用时间序列的分析预测方法，预测了2010-2015年期间新疆制造业能源消费水平，2015年新疆制造业能源消费量将达到4522.13万吨标准煤。

关键词：制造业能源；时间序列；预测

1 时间序列理论

时间序列就是序列对象中的观测值按照时间顺序取得的，如年度GDP数据。时间序列的观测值之间有一定的依赖性，时间序列模型分析的就是这种依赖关系，是某变量的过去变动规律，并利用这个规律对未来进行预测。通常来讲，时间序列就是一组依赖于时间t的随机变量，根据时间序列的当期值和过去值可对未来值进行预测。

2 新疆制造业能源消费的时间序列预测

2.1 判定序列的平稳性

在判定序列的平稳性分析中，最常用的方法是做出序列图，做出新疆制造业能源消费的序列图，可以得知，新疆制造业能源消费序列不是一个平稳的时间序列，需要对其进行平稳化处理。

2.2 时间序列平稳化

由于制造业能源消费序列呈现一定的指数趋势，所以对其进行自然对数转化，并做一阶差分处理，观察处理后的时间序列图，对新疆制造业能源消费数据取自然对数，并做一阶差分处理的序列在[-0.4，0.4]之间变动，是一个平稳序列。

2.3 时间序列模型识别与定阶

首先作制造业能源消费序列的自相关图和偏自相关图。

图1为制造业能源消费量序列的ACF图和PACF图。可以看出，自相关图呈现拖尾性，可判定模型为ARIMA模型。

为了确定ARIMA模型（p，d，q）中p和q值，首先利用专家建模器建模，条件选择仅限ARIMA模型。得到ARIMA（1，1，0）模型，此时残差自相关函数和偏自相关函数都通过白噪声检验。其次手动建立ARIMA模型，通过从（0，1，0）到（4，1，4）的不断验证，发现专家建模得到的ARIMA（1，1，0）模型效果最好。

2.4 模型参数估计和检验

表1显示R2达到了0.962，说明ARIMA（1，1，0）模型可以解释原时间序列96.2%的信息，正态化的BIC值也较小为10.565，Ljung-BoxQ（18）统计量也是显著的，这些都说明了模型ARIMA（1，1，0）能够很好地拟合新疆制造业能源消费序列。

从表2中可以得到，专家建模对原始序列没有经过转换，AR1的估计值为0.732，通过了T统计量检验。

分析残差的自相关和偏自相关函数图可以得出，自相关和偏自相关函数是0阶截尾，说明残差是一个白噪声序列，模型能够充分提取原始数据中的绝大部分信息。

2.5 模型拟合和预测

运用ARIMA（1，1，0）模型进行拟合和预测，图2直观显示了新疆制造业能源消费1990-2009年的观测值和拟合值，2010-2015年的预测值。

由图2可以看出，1991年和1992年的拟合效果较好，1993-1996年的拟合效果欠佳，这是由于新疆制造业能源消费在此期间出现较大波动引起的；而1998-2003年新疆制造业能源消费稳定增长，拟合效果较好；从2004年起，新疆制造业能源消费呈现加速增长趋势，造成拟合值出现一定偏差。出现这样的拟合效果，是由于时间序列算法决定的，当序列出现波动时，拟合值往往滞后于观察值而变动。虽然预测存在一定的偏差，但是新疆制造业能源消费预测值对新疆能源生产计划，能源消费预期具有一定的指导意义。

经过以上的分析和专家建模，得到时间序列预测模型ARIMA（1，1，0），并利用该模型预测新疆“十二五”期间的新疆制造业能源消费量。

从表3可以直观地看出新疆“十二五”期间的制造业能源消费量，到2015年新疆制造业能源消费量将达到4522.13万吨标准煤，比2013年增长了3.24%。

3 结论

对制造业能源消费量的预测精度不仅与样本内数据变化规律有关，还与当年的地区经济发展政策、产业政策、产业结构调整、节能减排、金融环境等因素有关，所以在结合数学模型预测未来能源需求量的基础上，还需要根据其他的一些影响因素做出相应的调整，以更为符合未来能源消费的政策环境和趋势。

参考文献：

[1] Yu-Chen Song，Sha Zhen. Empirical Analysis on the Cities'GDP and the Main Economic Indicators of High-tech Industrial Parks[C].IEEC Computer Society，2011（10）.

[2] 宋宇辰，张志启.基于ARIMA模型对我国“十二五”能源需求的预测[J].煤炭工程，2012（1）：76-79.

[3] 宋宇辰，郭丽，孟海东.内蒙古制造业能源消费的组合预测模型[J].水电能源科学，2012，30（4）：205-209.

基金项目：教育部人文社会科学研究规划基金项目（11YJAZH077）；国家自然科学基金项目（40764002）；教育部春晖计划（Z2009-1-01055）。