1. 引言
天然气的使用使得生产生活的方式发生了一定的改变。天然气作为工业燃料使用,产生热能较大,使得工业生产效率不断提高;同时,天然气作为最清洁的能源,对环境的污染较小,对空气质量的稳定也不会产生太大影响。因此,天然气的功能是巨大的,相对于其他不可再生能源存在很大的优势。天然气作为家庭生活燃料使用,一方面能够改变人们的生活方式,使得人们的生活变得更加便利;另一方面,天然气的使用能够很好地促进能源经济结构的改变。今天,天然气作为目前最为优质的、高效的清洁能源,也是各大城市燃气发展的重要气源,更是未来发展中能源利用、经济发展的重要来源。
天然气作为一种能源,并不是取之不尽、用之不竭的,在生产生活中的使用也应该有一定的节制,不能盲目地使用,需要与其他的再生能源配合使用,这样才能促进能源使用效率最大化。由于天然气开采成本较大,而开采效率较低,因而需要不断改进开采技术。随着技术的进步,国内近3年的年开采量稳定上升100亿立方米,产量巨大。
随着天然气的广泛使用,天然气的家庭用途和工业用途逐渐增加,导致天然气的使用量大大增加。因此,国内天然气的产量的预测是有实际意义的,有利于国内天然气产业的发展,并且能够很好的分析天然气的经济导向。
2. 文献综述
在我国对于天然气产量的预测中,根据前人研究的成果可以发现,天然气产量的预测方法有灰色预测模型、时间序列预测模型、广义翁氏预测模型、BP神经网络预测模型、线性回归预测模型等,还有对前面各种模型的组合优化模型,形成了多种预测模型,模型各有优势,适用于不同的时间序列数据,其中,预测效果最好的是时间序列预测模型和组合优化模型,给后面的研究提供了很多基础和参考。
在灰色预测方法中,帅训波 [1] 基于一种指数平滑对天然气产量进行了预测,他发现普通的灰色预测模型所需样本数据量较少,容易丢失对预测有用的信息量,在对天然气产量的预测中会使预测精度不高。而指数平滑法的运用,对天然气产量历史数据的处理,能够充分利用有用的信息,并且减少了随机性;然后再对灰色预测模型的计算方法进行改进,将数据变换成规律性强的呈指数变化的序列,从而提出了这种基于指数平滑的、改进后的天然气产量灰色预测模型。实验结果发现,此模型比普通灰色预测模型预测精度更高。
李宏勋,王海军 [2] 使用改进的灰色模型对我国天然气产量预测,他们仔细研究了灰色预测模型的理论,在其基础上进行下一步研究,但是由于拟合结果误差方面在灰色预测模型中是明显的问题,因此引进广义翁氏模型,并采用其对数方程式积分形式,从而提高了灰色预测模型的预测精度,加深理论依据,构建灰色预测模型进阶版,结果显示该进阶模型的拟合效果比单个预测模型的拟合效果更好。
在时间序列预测方法中,李志学,孙丹 [3] 做了关于天然气产量季节预测模型的比较与选择,发现对于存在季节性和周期性的数据,普通的时间序列预测模型参数的估计存在很大难度,并且会出现季节性特征的时间序列问题,模型的预测很难进行,如果得到预测结果,结果的效果也不好。因为天然气产量存在季节性、周期性特征,实验得出结论:带有季节特征的历史数据使用季节系数法时间序列的预测方法,能够对其快速有效的预测。
在广义翁氏预测方法中,王建良,刘睿人 [4] 预测了中国天然气产量中长期走势,由于天然气产量变化规律呈现出的性质是不对称的,并且生命旋回的现象有可能存在多个。循环个数选择的主观性会对结果产生严重的影响,所以引入F检验,并且改进模型为多循环广义翁氏模型,以此模型预测我国天然气产量。并且由预测结果可知国内天然气产量较国际水平相差较远,需要不断改进技术,增加勘探,推动产量增加,维持天然气产业稳定。
在组合优化方法中,李志锋 [5] 采用优化组合模型对天然气产量进行预测。在他的研究中,他对线性回归预测模型、人工神经预测模型以及灰色系统预测模型等进行了深入的研究,深刻思考了优化组合模型,并且通过实验,将组合预测模型应用于天然气产量预测中,从而提高了天然气产量预测结果的精确性,做足充分的准备,使得天然气的开采工作能够顺利实施;同时,王俊奇 [6] 等人同样使用前面三种预测模型的组合模型,并对天然气产量进行了预测,说明这种组合优化模型效果较好;在王洪明 [7] 的文章中,使用模糊综合评价方法,确定了组合预测模型的权值,在实际的天然气产量预测的过程中,取得了良好的效果。
综合对上述文献的分析,天然气产量的预测方法较多,但由于国内天然气的月产量数据存在明显的周期性和趋势性,本文将采用三参数指数平滑法建立国内天然气产量预测模型,并对其进行分析。
3. 理论模型
3.1. 平稳性检验
当我们对时间序列进行分析时,我们总是要求时间序列是平稳的,这是因为我们希望通过时间序列的历史数据对将来进行预测,这就要求时间序列的一些性质能保持不变,如果序列是不平稳的,那么通过历史数据对未来的预测就毫无意义。
描述时间序列的平稳性时,是通过严平稳和(弱)宽平稳来描述,一般而言,由于严平稳的要求比较严格,通常使用宽平稳来描述:
1) 对任意
,有
;
2) 对任意
,有
,
为常数;
3) 对任意
,且
,有
。
即只要保证序列低阶(二阶)距平稳,就能保证时间序列的主要性质近似于稳定。
3.1.1. 时序图
根据平稳时间序列的定义,如果
平稳,那么在任意一个时刻序列的均值都是常数,即
的各个时刻值都以大致相同的幅度在均值附近波动,如果时序图呈现出增大、减小、有明显周期特征或明显趋势,那么序列就是非平稳的。
3.1.2. 单位根的ADF检验(Augmented Dickey-Fuller Test)
ADF检验是在DF检验式中加入一定数目的差分滞后项来保证误差项为白噪声序列,是扩展的DF检验,例如无截距项,有趋势项的ADF检验模型:
;
,检验统计量为:
,当统计量的值小于临界值,或者P值小于临
界值(一般为0.05),则可以拒绝原假设,认为序列是平稳的。
3.2. 三参数指数平滑法
假设要进行指数平滑的序列为
,
序列既含有趋势性又含有季节性。记
为该序列的水平部分,
为该序列的趋势部分,
为该序列的季节因子(假设一个季节周期长度为
),这个季节因子可以随着每年的具体情况波动。从而形成Holt-Winter三参数指数平滑模型。
如果季节和趋势是加法模型,则Holt-Winter三参数指数平滑模型的构造如下:
如果季节和趋势是乘法模型,则Holt-Winter三参数指数平滑模型的构造如下:
4. 天然气产量的预测与分析
4.1. 判断时间序列平稳性
首先对收集的时间序列数据判断其平稳性,从每月天然气产量时序图(图1)可以看出,月天然气产量以年为周期呈现出规则的周期性,并且有明显的逐年递增的趋势,显然该序列一定是非平稳的。
![](//html.hanspub.org/file/7-1700279x33_hanspub.png?20211118081727279)
Figure 1. Timing chart of monthly natural gas production
图1. 每月天然气产量序列时序图
同时观察该序列的自相关图(图2),可以看出,自相关系数成周期性下降,存在明显的非平稳特征。
![](//html.hanspub.org/file/7-1700279x34_hanspub.png?20211118081727279)
Figure 2. Autocorrelation plot of monthly natural gas production
图2. 每月天然气产量自相关图
由表1中单位根检验知P值为0.9245,可以进一步判断原始序列是非平稳的。
![](Images/Table_Tmp.jpg)
Table 1. Monthly unit root test of natural gas production series
表1. 每月天然气产量序列单位根检验
综上所述,可以准确的判断每月天然气产量序列是非平稳的,若要对该数据进行建模,需要对数据进一步处理。
由于每月天然气产量序列存在明显的趋势性和周期性,故采用三参数指数平滑法对数据进行建模。每月天然气产量序列是非平稳的,因此需要对其进行一阶差分,差分结果如图3所示。并对差分后的序列进行平稳性检验,即单位根检验,结果如表2所示,可知P值为0.01,通过平稳性检验,一阶差分后的序列平稳。
![](//html.hanspub.org/file/7-1700279x35_hanspub.png?20211118081727279)
Figure 3. First-order difference diagram of monthly natural gas production
图3. 每月天然气产量一阶差分图
![](Images/Table_Tmp.jpg)
Table 2. ADF test of monthly gas production after first-order difference
表2. 每月天然气产量一阶差分后ADF检验
4.2. 建立三参数指数平滑模型
分别采用加法模型和乘法模型对差分后的序列进行建模,表3中给出两种模型的残差平方和,加法模型中残差平方和为4404.041,而乘法模型中残差平方和为4407.196,因此,加法模型较好。
![](Images/Table_Tmp.jpg)
Table 3. The residual sum of squares of the two models
表3. 两种模型的残差平方和
采用三参数指数平滑加法模型对每月天然气产量数据进行建模,参数估计结果在表4中给出,由表中参数估计结果可知,
。因此,三参数指数平滑模型最终形式为:
为了进一步观察预测模型的效果,可以观察图4中模型的拟合图,从图中可以发现,模型的拟合趋势是大致相同,且拟合结果也非常的相近,说明三参数指数平滑模型效果较好。
5. 天然气产量预测
如图5所示,对2021年9月、10月、11月和12月四个月份,以及2022年的天然气的月度产量进行预测的结果,从图5中可以看出,天然气的产量整体呈现逐年递增的趋势,且年初至年中产量会有所下降,而年终至年尾又会有所上升,预测结果较好。所有预测结果在表5中展示,其中第一列为预测的时间,第二列为每月天然气产量的预测值。
![](Images/Table_Tmp.jpg)
Table 5. Gas production forecast results
表5. 天然气产量预测结果
6. 结论与政策建议
从预测结果可以知道,我国天然气产量在逐年递增,并且每年的3月份到9月份会有一定的下降趋势,但是10月份到12月份会呈现上升趋势,这和各个月份天然气消费量有关:比如在秋冬季节,天然气使用量自然会有所上升,相应的产量就必须适应需求。随着天然气的广泛普及,使用天然气的家庭会越来越多,并且工业使用量也在大大增加,天然气产量就会越来越高;但是由于天然气是不可再生能源,对于天然气的开采也要适量、适当,不能没有节制的使用,否则天然气能源也会有枯竭的一天。因此,对于天然气产量的预测是非常有必要的,一方面能够很好地适应需求,另一方面也能够有效地保护天然气资源。
为了更好地对于天然气资源进行保护性使用,本文建议各个省市应当控制天然气的使用量和开采量,并且制定相关的保护条例。
三参数指数平滑法时间序列模型本身预测效果较好,本文的模型部分并没有考虑到组合优化预测模型,在之后的工作中会尝试更加复杂的模型,以便能够更好地预测天然气的产量。
参考文献