ARIMA模型在煤炭消费预测中的应用分析.pdf

能源研究与信息第23卷第2期EnergyResearchandInformationVol.23No.22007文章编号:1008-8857(2007)02-00117-07ARIMA模型在煤炭消费预测中的应用分析池启水1刘晓雪2(1.中央财经大学国防经济与管理研究院北京100081;2.中央财经大学统计学院北京100081)摘要:煤炭属于重要的民用能源对其消费量进行预测可为合理安排煤炭生产提供依据优化社会资源的配置。采用Box和Jenkins的ARIMA模型对1953年以来我国煤炭消费量的年度数据进行分析。与结构性因果模型、自回归(AR)、移动平均(MA)、自回归移动平均(ARMA)模型等相比较ARIMA模型不但适合于我国煤炭消费量的非平稳时间序列的特点并且预测效果比较理想。结果表明ARIMA(313)模型的预测效果良好2002年~2005年平均预测误差仅为3.981%可用于未来我国煤炭消费量的预测。关键词:煤炭消费;ARIMA;预测与分析;时间序列中图分类号:F407.215;TE01文献标识码:A煤炭属于重要的民用能源对其消费量进行预测对我国煤炭消费量进行预测与分析可为合理安排煤炭生产提供依据。然而我国煤炭消费量受到多种因素的制约并且各因素间又存在极其复杂的关系。所以运用结构性因果模型对煤炭消费量进行预测一般难以达到较为理想的预测效果。我国年度煤炭消费量序列为非平稳时间序列对煤炭消费量的预测不宜直接采用自回归(AR)、移动平均(MA)或自回归移动平均(ARMA)模型分析[1]。本文采用ARIMA模型进行预测并取得了良好效果。本文所采用的我国煤炭消费量年度数据的样本区间为1953年~2005年。采用的分析软件为EViews5.0。1ARIMA模型的建模思路ARIMA模型(autoregressiveintegratedmovingaveragemodel)是由统计学家Box和Jenkins提出又被称为B-J模型(Box-Jenkinsmodel)。ARIMA模型可用于非平稳时间序列预测[2]。1.1ARIMA模型的形式对于一个单整(integration)时间序列可以通过差分(d阶)将非平稳时间序列转化为平稳时间序列。设xt是单整(d阶)时间序列则可对其平稳性转化有dwLxtt=−(1)式中wt为平稳时间序列。收稿日期：2006-12-26作者简介：池启水(1970-)男(汉)博士研究生[e-mail]。118能源研究与信息2007年第23卷于是可以对wt序列建立ARMA(pq)模型即wctt=+φ11w−−−−+⋅⋅⋅+φεθεθεptpttqtqw++11+⋅⋅⋅+上式若使用滞后算子可表示为ΦΘε(Lw)tt=+