文档介绍：成都理工大学
硕士学位论文
基于支持向量机模型的城市天然气需求量中长期预测研究
姓名:刘鑫
申请学位级别:硕士
专业:管理科学与工程
指导教师:匡建超
20090501
摘要
基于支持向量机模型的城市天然气需求量
中长期预测研究
作者简介:刘鑫,男,1984 年 10 月生,师从成都理工大学匡建超教授,2009
年 06 月毕业于成都理工大学管理科学与工程专业,获得管理学学硕士学位。
摘要
预测学是一门高集成性的复杂科学,是人类根据历史经验结合严密的逻辑推
理对未来的一种估计,它能够指导计划的制定,并对最终的决策活动产生直接影
响。同时,随着现代预测科学的发展,人类的决策过程变得更加理性,尤其是对
于不确定性问题定量化的探求越来越重视,于是产生了数量众多的预测数学模
型。自上世纪 90 年代以来,支持向量机模型成为各国学者关注的焦点,它较好
地解决了传统模型通常存在的过学习、维数灾难、局部极小等问题,改变了人们
单纯追求经验风险最小的思维牢笼,在社会的各个方面有了越来越多的应用。
在工业化的滚滚车轮下,煤炭石油的消耗量快速增长,环境问题业已成为人
类不得不面对的痛楚。在这种背景下,天然气以其丰富的储量、优良的品质、较
低的污染被世界各国大力推崇,资源争夺的大幕就此拉开。在我国,天然气正在
经历着由推广到普及的过程,以气代油、以气发电和城市气化将进一步提升天然
气的战略地位,供需矛盾问题逐渐显现。在城市天然气的供给环节,通常气源供
应部门要与下游用气单位之间签订“照付不议”(Take or Pay)协议,这就需要
对燃气公司对于整个城市的需求量有个较为准确的估算。
基于此,本文在充分搜集和整理现有研究资料的基础上,首先简单阐述了常
用天然气需求量预测方法的核心思想与适用范围,分析了现有指标体系构建及变
量提取环节的不足,较为系统的总结了影响天然气需求量中长期预测的主要因
素,尝试建立起城市天然气需求量中长期预测的指标体系,并运用最佳子集法提
取了五维输入变量,即:人均 GDP、天然气占能源消费比重、电力占能源消费
比重、天然气供气量和人均可支配收入,以此构建了基于粒子群——最小二乘支
持向量机(PSO-LSSVM)的预测模型。对于该回归模型输入变量的预测而言,
通过多次的建模实验,选定 GM(1,1)模型预测人均 GDP 和人均可支配收入
指标, 运用 LSSVM 递推滚动时间序列预测天然气占能源消费比重和电力占能
源消费比重指标,通过拟合对数方程得到天然气供气量的预测值,将以上五个模
型的输出结果带入 PSO-LSSVM 模型中,即可得到天然气需求量的预测值。最后
I
成都理工大学硕士学位论文
以 CD 市 1990 至 2007 年的实际数据为样本,运用由 MATLAB 语言编写的 PSO
程序和 LS-SVMlab Toolbox 软件进行模型训练与模型计算,最终确定该市未来五
年的天然气消费量将保持年 %左右的增速,供需缺口有进一步放大的可能。
对此,本文提出该市应在现有基础上进一步加强天然气消费,适当提高天然气价
格,加快城市天然气配套管网建设,拓宽天然气项目建设的融资渠道,努力争取
多气源供应,做好能源消费的原始数据搜集和统计工作六项对策建议。
论文取得的进步有:
第一,从外部环境、内部环境及用户消费三个角度出发,较为系统的总结了
影响天然气需求量中长期预测的主要因素,并运用最佳子集法提取输入变量,最
终确定了五个核心指标:人均 GDP、天然气占能源消费比重、电力占能源消费
比重、天然气供气量和人均可支配收入;
第二,首次将 PSO-LS-SVM 模型引入城市天然气需求量中长期预测中,该
模型吸取了 PSO 算法快速全局寻优的特点与 LSSVM 模型解决非线性问题的先
天优势,求解速度快,泛化性较好,通过对 CD 市天然气需求量的实际预测证实,
与 BP 神经网络相比,该模型的平均相对误差(MAPE)较小,结果的合理性更
高,这不仅丰富了天然气需求量预测方法,也可为同类研究提供参考借鉴。
关键词:支持向量机城市天然气需求量中长期预测
II
Abstract
Study on Urban Natural Gas Demand Middle-Long Term
Forecasting Base on SVM Model
Introduction of the author: Liu Xin, male, was born in October, 1984 whose tutor
was Professor Kuang Jianchao .