江西能源需求预测模型及计量分析

江西能源需求预测模型及计量分析

论文摘要

能源安全问题已是全球性问题,未来对能源的掌控将很大程度上决定国家、区域在国际竞争当中的地位。如何增强能源的支撑作用来应对江西省日益凸显的能源供需矛盾,也是本文探讨的重点之一。近年来,经济高速增长使得我国不少省市都出现了严重的能源供给危机,如何有效保证区域能源供给安全、预测未来数年能源需求成为各省、市、区普遍关心的问题。江西在中国一次能源地区产销综合平衡的基本格局中处于生产不足,能源需要大量调入的状况。而我省经济的快速增长引致了能源刚性需求,进一步加大了能源供需缺口,由此能源供需矛盾突出。本文通过计量模型对一次能源需求总量进行预测和分析,提出节能降耗措施。由于经济现象的复杂多变性,选择分析方法对于提高能源需求预测精度本身也是有探讨意义的。通过ARIMA模型分析来了解其动态的自相关关系,并对未来的变化进行预测。对能源需求的能源消费总量和影响因素分析,运用Granger因果分析和协整分析来实证江西省能源需求和消耗结构之间的动态相关性。文章目的是提高预测结果的稳定性和精确度,确定当前江西省的能源存量和未来较长时期能源需求规模的发展趋势。最后本文提出未来江西省能源可持续发展的对策。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 研究背景及意义
  • 1.1.1 国内外能源安全形势日趋严峻
  • 1.1.2 近年来江西省能源消耗日趋走高
  • 1.1.3 未来江西省能源消耗结构调整和生态环境协调发展面临双重压力
  • 1.2 国内外相关研究综述
  • 1.2.1 关于能源需求理论的研究现状
  • 1.2.2 关于能源需求预测分析的研究现状
  • 1.3 本文研究思路与方法
  • 1.4 本文主要创新点
  • 第2章 江西能源发展现状
  • 2.1 能源资源供需形势
  • 2.2 江西省能源供给现状
  • 2.2.1 煤炭资源概况
  • 2.2.2 江西水能资源概况
  • 2.2.3 江西核能资源概况
  • 2.3 江西省能源消费现状
  • 2.4 能源供给和需求的平衡分析
  • 2.5 能源利用效率
  • 第3章 预测模型
  • 3.1 预测模型的选择依据
  • 3.1.1 已有研究成果的启示
  • 3.1.2 ARIMA模型的比较优势
  • 3.2 ARIMA模型的简述
  • 3.3 时间序列的平稳性及其检验方法
  • 3.3.1 单位根检验
  • 3.3.2 协整检验
  • 3.4 预测精确性度量指标
  • 第4章 江西能源需求预测的实证研究
  • 4、1 模型变量选取
  • 4、2 格兰杰因果检验
  • 4.3 ARIMA模型对能源需求的建模分析
  • 4.3.1 数据处理及序列平稳性分析
  • 4.3.2 模型识别
  • 4.3.3 模型参数估计
  • 4.3.4 模型定阶
  • 4.3.5 模型检验
  • 4.3.6 模型的拟合与预测
  • 4.4 计量分析
  • 4.4.1 分析数据的来源
  • 4.4.2 单位根检验
  • 4.4.3 协整检验
  • 4.4.4 模型拟合效果检验
  • 第5章 江西省能源发展对策
  • 5.1 调整产业结构
  • 5.2 提高能源利用效率,节能优先
  • 5.3 加大技术创新力度,保障节能服务体系建设
  • 5.4 推进能源多元化和清洁能源发展
  • 总结
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].基于ARIMA模型的卫星钟差异常值探测的模型选择方法[J]. 武汉大学学报(信息科学版) 2020(02)
    • [2].基于ARIMA模型的西安市空气质量指数的分析与预测[J]. 电脑知识与技术 2019(35)
    • [3].基于ARIMA模型对四川省医疗机构卫生资源需求预测分析[J]. 预防医学情报杂志 2020(02)
    • [4].应用ARIMA模型预测石家庄市手足口病发病趋势[J]. 中国卫生统计 2020(01)
    • [5].Forecasting Method of Stock Market Volatility in Time Series Data Based on Mixed Model of ARIMA and XGBoost[J]. 中国通信 2020(03)
    • [6].ARIMA乘积季节模型在青州市布鲁氏菌病发病预测中的应用[J]. 中国医院统计 2020(02)
    • [7].基于ARIMA的入境旅游月度过夜人次预测[J]. 微型电脑应用 2020(04)
    • [8].ARIMA模型在江西省布鲁氏菌病发病数预测中的应用[J]. 中国人兽共患病学报 2020(03)
    • [9].ARIMA模型在德国小蠊密度季节消长预测中应用及抗药性[J]. 中国公共卫生 2020(03)
    • [10].Short-term Prediction of Ionospheric TEC Based on ARIMA Model[J]. Journal of Geodesy and Geoinformation Science 2019(01)
    • [11].Analysis of temporal trends of human brucellosis between 2013 and 2018 in Yazd Province, Iran to predict future trends in incidence: A time-series study using ARIMA model[J]. Asian Pacific Journal of Tropical Medicine 2020(06)
    • [12].ARIMA模型在台山地区手足口病疫情的预测作用[J]. 齐齐哈尔医学院学报 2020(07)
    • [13].我国出境旅游人次的预测与分析——基于ARIMA模型[J]. 科技经济导刊 2020(20)
    • [14].基于ARIMA乘积季节模型的某医院介入导管室手术量预测研究[J]. 中国现代手术学杂志 2020(03)
    • [15].基于ARIMA模型的轴向柱塞泵回油量预测研究[J]. 内燃机与配件 2020(21)
    • [16].基于ARIMA乘积季节模型预测医院感染患病率趋势和季节性[J]. 安徽预防医学杂志 2020(05)
    • [17].一种基于ARIMA-SVR混合方法的汇率预测模型[J]. 智库时代 2019(01)
    • [18].季节ARIMA模型在保费总收入预测中的应用[J]. 福建金融管理干部学院学报 2018(04)
    • [19].基于ARIMA模型的游客人数分析与预测[J]. 电脑与电信 2019(Z1)
    • [20].基于南昌市新建区居民伤害死亡趋势的ARIMA模型构建与预测[J]. 南昌大学学报(医学版) 2019(01)
    • [21].基于ARIMA模型的图书馆微信公众号用户量预测[J]. 中国科技信息 2019(13)
    • [22].基于ARIMA预测模型的人才市场需求分析[J]. 商讯 2019(11)
    • [23].ARIMA模型在血液供应量预测分析中的应用[J]. 电脑知识与技术 2019(22)
    • [24].基于ARIMA模型的郑州市玉米收购价分析及预测[J]. 现代商业 2019(28)
    • [25].基于ARIMA模型的新疆阿克苏地区棉花价格分析与预警[J]. 农村经济与科技 2019(19)
    • [26].基于ARIMA模型对网络舆情传播过程研究[J]. 广西质量监督导报 2019(11)
    • [27].基于ARIMA-BPNN的组合模型在重庆市艾滋病发现人数预测中的应用[J]. 预防医学情报杂志 2018(03)
    • [28].应用ARIMA模型预测某三级甲等医院门诊量[J]. 中国医院统计 2018(01)
    • [29].基于ARIMA的价格时间序列分析与预测——以沪铝1803合约为例[J]. 经贸实践 2018(10)
    • [30].ARIMA模型在肺结核登记病例数预测中的应用[J]. 江苏预防医学 2018(03)

    标签:;  ;  ;  ;  

    江西能源需求预测模型及计量分析
    下载Doc文档

    猜你喜欢