基于最小二乘支持向量机的我国能源消费计算方法

详细信息    查看全文 | 推荐本文 |

英文篇名：China's Energy Consumption Calculation Method Based on Least Squares Support Vector Machine 作者：马彪 英文作者：Ma Biao;Business College,Taihu University of Wuxi;School of Management,China University of Mining and Technology;Southern Jiangsu Industry Transformation Innovation and Development Research Center; 关键词：最小二乘支持向量机 ; 定量计算 ; 能源消费预测 ; 能源规划 ; 低碳发展 英文关键词：least square support vector machines;;quantitative calculation;;energy consumption forecast;;energy planning;;low carbon development 中文刊名：GHZJ 英文刊名：Journal of Industrial Technological Economics 机构：无锡太湖学院商学院;中国矿业大学管理学院;苏南产业转型创新发展研究中心; 出版日期：2019-05-28 出版单位：工业技术经济 年：2019 期：v.38;No.308 基金：江苏高校哲学社会科学重点建设基地苏南产业转型创新发展研究中心(项目编号:2018ZDJD-B008) 语种：中文; 页：GHZJ201906017 页数：6 CN：06 ISSN：22-1129/T 分类号：141-146

摘要

本文提出利用最小二乘支持向量机方法定量计算能源消费量,选取了人口数量、经济增长、技术水平、产业结构、固定投资、路网密度、对外开放、政策影响等作为能源消费的影响因素,将样本的影响因素数据作为输入量,将样本的能源消费量数据作为输出量,利用训练好的最小二乘支持向量机模型作为能源消费量定量计算的有效工具。研究结果表明:基于最小二乘支持向量机模型的计算结果与样本值拟合精度较高,能较好且客观地反映各控制因素对能源消费量的影响,对制定科学有效的能源规划和决策具有重要意义。
        A quantitative calculation of energy consumption by using the least squares support vector machine(LSSVM)is presented in this paper,the influence factors such as population,economic growth,investment in science and technology,industrial structure,fixed investment,road network density,opening to the outside world,policy influence and so on are selected as input parameters,the energy consumption of the sample is selected as output parameter,the least squares support vector machine(least-squares support vector machine)is trained as an effective tool for the quantitative calculation of energy consumption after continuous training and learning.The results show that the accuracy of the calculation results based on the minimum support vector machine model and the sample value is high,it can reflect the influence of the control factors on the energy consumption objectively,and it is of great significance to make effective energy planning and decision-making.

引文

[1]王少剑,苏泳娴,赵亚博.中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素[J].地理学报,2018,73(3):414～428.
    [2]张帅.能源消费“十三五”规划目标的可行性分析——基于多维预测的检测[J].工业技术经济,2017,(9):78～84.
    [3]顾海兵,张帅.十三五时期我国能源消费组合模型预测——兼及对经济安全条件影响的量化研究[J].江苏社会科学,2017,(4):66～76.
    [4]王永哲,马立平.吉林省能源消费碳排放相关影响因素分析及预测——基于灰色关联分析和GM(1,1)模型[J].生态经济,2016,(11):65～70.
    [5]苏素,杨腾.中国能源消费影响因素分析与预测——基于协整与误差修正模型[J].生态经济,2016,(6):73～76.
    [6]黄蕊,王铮,丁冠群,等.基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J].地理研究,2016,(4):781～789.
    [7]刘卫东,仲伟周,石清.2020年中国能源消费总量预测——基于定基能源消费弹性系数法[J].资源科学,2016,(4):658～664.
    [8]沈镭,刘立涛,王礼茂,等.2050年中国能源消费的情景预测[J].自然资源学报,2015,(3):361～373.
    [9]张乐勤.安徽省城镇化水平及能源消费预测[J].城市问题,2015,(2):64～71.
    [10]李湘梅,姚智爽.基于VAR模型的中国能源消费碳排放影响因素分析[J].生态经济,2014,(1):39～44.
    [11]于凤玲,陈建宏,刘世明.基于联立方程模型的中国能源消费影响因素分析[J].统计与决策,2014,(4):99～102.
    [12]秦鹏,代霞.中国能源消费总量:时序演变、影响因素与管控路径[J].求索,2015,(1):111～115.
    [13]王钦池.家庭规模对中国能源消费和碳排放的影响研究[J].资源科学,2015,(2):299～307.
    [14]王永哲,马立平,徐宪红.中国能源消费的碳排放因素分解分析[J].价格理论与实践,2015,(12):59～61.
    [15]申俊,孙涵,成金华.中国城镇居民能源消费及其影响因素[J].北京理工大学学报(社会科学版),2016,(1):45～53.
    [16]郭文,孙涛.人口结构变动对中国能源消费碳排放的影响——基于城镇化和居民消费视角[J].数理统计与管理,2017,(2):295～312.
    [17]苏素,杨腾.中国能源消费影响因素分析与预测——基于协整与误差修正模型[J].生态经济,2016,(6):73～76.
    [18]陈玉龙,钟章奇,吴乐英,等.中国可再生能源消费、对外贸易和碳排放的关系[J].软科学,2017,(9):49～52.