李宏勛　李元慶　王海軍

[摘 要] 石油需求量預(yù)測(cè)對(duì)編制石油產(chǎn)業(yè)發(fā)展規(guī)劃具有重要意義。為了合理預(yù)測(cè)中國(guó)石油需求量，將1965—2014年中國(guó)國(guó)內(nèi)生產(chǎn)總值、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)及技術(shù)進(jìn)步4個(gè)分量作為輸入向量，石油需求量數(shù)據(jù)作為輸出向量，建立中國(guó)石油需求預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型，利用Matlab軟件的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)BP神經(jīng)網(wǎng)絡(luò)模型反復(fù)訓(xùn)練，發(fā)現(xiàn)當(dāng)隱含層節(jié)點(diǎn)數(shù)為17、學(xué)習(xí)率為01、訓(xùn)練次數(shù)為8次、訓(xùn)練精度為0001時(shí)得到的效果最好。最后運(yùn)用所確定的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)2015—2024年中國(guó)石油需求數(shù)據(jù)進(jìn)行了預(yù)測(cè)。

[關(guān)鍵詞] BP神經(jīng)網(wǎng)絡(luò)；石油需求；預(yù)測(cè)

[中圖分類(lèi)號(hào)]F407.22

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)] 1673-5595（2015）03-0008-04

一、引言

早在2009年，國(guó)際能源署（簡(jiǎn)稱(chēng)IEA）的月度石油市場(chǎng)報(bào)告就顯示，2012年亞洲將成為全球石油需求增長(zhǎng)的主力，而在亞洲各國(guó)中，隨著經(jīng)濟(jì)的快速發(fā)展，中國(guó)將成為亞洲最大的石油需求地。[1]在這一背景下，對(duì)石油需求量進(jìn)行科學(xué)預(yù)測(cè)已經(jīng)成為編制石油產(chǎn)業(yè)發(fā)展規(guī)劃、制定能源發(fā)展戰(zhàn)略、協(xié)調(diào)國(guó)內(nèi)各產(chǎn)業(yè)發(fā)展的重要依據(jù)。1999年，F(xiàn)rank等運(yùn)用協(xié)整分析法對(duì)美國(guó)石油進(jìn)口進(jìn)行了分析，得出了價(jià)格沖擊與長(zhǎng)期價(jià)格對(duì)石油進(jìn)口需求行為具有顯著影響的結(jié)論[2]；2005年，許榮勝運(yùn)用灰色系統(tǒng)理論預(yù)測(cè)了中國(guó)石油消費(fèi)需求，認(rèn)為未來(lái)中國(guó)石油消費(fèi)需求將快速增長(zhǎng)[3]；同年，倪錚等對(duì)中國(guó)石油需求量進(jìn)行了協(xié)整計(jì)量分析，進(jìn)一步采用誤差修正模型預(yù)測(cè)了中國(guó)石油需求量[4]；2010年，吳良海運(yùn)用支持向量機(jī)擬合中國(guó)石油需求數(shù)據(jù)，擬合結(jié)果較好，他對(duì)其進(jìn)行了改進(jìn)并建立了粒子群優(yōu)化的支持向量機(jī)[5]；2011年，Mehdi運(yùn)用自回歸分布滯后模型分析了七國(guó)集團(tuán)和金磚四國(guó)的石油需求，得出了收入、價(jià)格彈性及節(jié)油技術(shù)對(duì)石油需求具有顯著影響的結(jié)論。[6]石油分析與預(yù)測(cè)的方法主要有協(xié)整分析法、灰色預(yù)測(cè)法、誤差修正模型、支持向量機(jī)模型和自回歸分布滯后模型等，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)法具有廣泛的適應(yīng)能力、學(xué)習(xí)能力和映射能力，在非線性系統(tǒng)建模與預(yù)測(cè)方面通常可取得滿意的結(jié)果。[7-10]為此，本文采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建中國(guó)石油需求預(yù)測(cè)模型，為發(fā)展中國(guó)石油產(chǎn)業(yè)提供科學(xué)指導(dǎo)。

二、中國(guó)石油需求概況與研究方法

（一）中國(guó)石油需求概況

1965—1976年，由于各大油田的相繼發(fā)現(xiàn)，中國(guó)石油需求在能源總需求中所占的比重迅速上升，1976年石油需求比重達(dá)到峰值，為247%。1973—1975年的世界經(jīng)濟(jì)危機(jī)對(duì)中國(guó)的石油需求產(chǎn)生了很大的影響，導(dǎo)致1976—1983年的石油需求比重以較大的速率下降。此后，石油需求在能源總需求中所占的比重相對(duì)穩(wěn)定，在經(jīng)過(guò)一系列的波動(dòng)后，石油需求占能源總需求的比重維持在172%左右。隨著中國(guó)經(jīng)濟(jì)的又一輪增長(zhǎng)，石油需求比重出現(xiàn)了新一輪提升，石油需求占能源總需求的比重在2000年出現(xiàn)了峰值，為223%，該值為20世紀(jì)80年代至今的石油需求占能源總需求的所有比重中的最高值。如今，中國(guó)石油需求占能源總需求的比重有進(jìn)一步提升的趨勢(shì)，2014年，石油需求在中國(guó)能源總需求中的比重為194%。1965—2014年中國(guó)石油需求比重變動(dòng)情況具體如圖1所示。

除1973—1975年世紀(jì)石油危機(jī)對(duì)中國(guó)石油需求造成較大影響外，中國(guó)石油需求在較長(zhǎng)時(shí)期內(nèi)處于不斷上升的狀態(tài)。1982年以后，石油的需求量不斷增長(zhǎng)，需求量的增長(zhǎng)主要顯現(xiàn)在增長(zhǎng)率的區(qū)別上。按照增長(zhǎng)率的波動(dòng)情況，1982—2001年石油需求增長(zhǎng)率在一定時(shí)間段上有所放緩，最終以相對(duì)穩(wěn)定的增長(zhǎng)率穩(wěn)步增長(zhǎng)，2001年中國(guó)石油需求量達(dá)到22929027萬(wàn)噸。2002年后，中國(guó)石油需求量陡增，5年中中國(guó)石油需求的增長(zhǎng)率均保持在6%以上，在經(jīng)過(guò)2005年與2007年兩次增速的放緩之后，中國(guó)石油需求的增長(zhǎng)率不斷提升，增長(zhǎng)率有指數(shù)增長(zhǎng)的趨勢(shì)，到2014年中國(guó)石油需求量為50834224萬(wàn)噸。1965—2014年中國(guó)石油需求量變動(dòng)情況具體如圖2所示。

（二）研究方法

BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的一種，在神經(jīng)網(wǎng)絡(luò)中有其自身特點(diǎn)，即誤差反向傳播，同時(shí)它具有多層網(wǎng)絡(luò)且為前饋神經(jīng)網(wǎng)絡(luò)。在BP網(wǎng)絡(luò)中，信號(hào)是向前移動(dòng)的，樣本從輸入層傳入，即產(chǎn)生信號(hào)的輸入，信號(hào)在隱層經(jīng)過(guò)一定的函數(shù)進(jìn)行處理，在經(jīng)過(guò)各個(gè)隱層的指定函數(shù)處理后傳向輸出層，在輸出層信號(hào)形成一個(gè)輸出值，輸出值會(huì)與期望輸出值進(jìn)行對(duì)比，若兩者不等則出現(xiàn)誤差，此時(shí)誤差會(huì)與信號(hào)進(jìn)行相反方向的運(yùn)動(dòng)，相反方向傳播的誤差又逐次反向經(jīng)過(guò)BP網(wǎng)絡(luò)的各個(gè)隱層（通常為S型隱層），在經(jīng)過(guò)各個(gè)隱層的處理后將誤差回饋給各層單元，各層單元獲得誤差信號(hào)后，憑此信號(hào)值修正各單元的權(quán)值。[11]此過(guò)程不斷進(jìn)行，并不斷對(duì)各單元的權(quán)值進(jìn)行調(diào)整，訓(xùn)練停止的參考標(biāo)準(zhǔn)為誤差達(dá)到的可接受范圍或?qū)W習(xí)次數(shù)達(dá)到的給定值。訓(xùn)練結(jié)束后，訓(xùn)練結(jié)果進(jìn)入線性輸出層，由輸出層得出的數(shù)值即為有限不連續(xù)點(diǎn)函數(shù)的逼近值。

BP網(wǎng)絡(luò)神經(jīng)元模型包括輸入與神經(jīng)元兩個(gè)部分，一個(gè)具有R個(gè)輸入的基本的BP神經(jīng)元模型結(jié)構(gòu)如圖3所示。

圖3中，p1、p2、p3、…、pR為輸入值，w1，1、w1，2、w1，3、…、w1，R為權(quán)值，∑與f為神經(jīng)元傳遞函數(shù)，n為處理次數(shù)，b為誤差項(xiàng)，a為最終處理函數(shù)。

BP神經(jīng)網(wǎng)絡(luò)是多層前饋型網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層和輸出層三個(gè)部分組成，各層之間通常采用全部連接的方式，同一層的各個(gè)單元之間不存在相互連接。一個(gè)具有R分輸入、由S個(gè)logsig神經(jīng)元構(gòu)成的單層網(wǎng)絡(luò)如圖4所示。

前饋神經(jīng)網(wǎng)絡(luò)通常有一個(gè)或多個(gè)隱層，隱層神經(jīng)元多為S型，并且是由一個(gè)線性神經(jīng)元構(gòu)成的輸出層，如果具有多個(gè)非線性傳遞函數(shù)的神經(jīng)元層，則網(wǎng)絡(luò)便可以學(xué)習(xí)非線性關(guān)系，這種關(guān)系集中體現(xiàn)在輸入和輸出之間，而輸出值則可以在[-1，+1]之外取值，這是通過(guò)線性輸出層實(shí)現(xiàn)的。如果需要限制網(wǎng)絡(luò)輸出的值域，那么可以使用S型函數(shù)作為輸出層的輸出函數(shù)。

三、變量選取與預(yù)測(cè)過(guò)程

（一）變量選取

BP神經(jīng)網(wǎng)絡(luò)模型的輸入變量采用影響中國(guó)石油需求量的因素，而影響中國(guó)石油需求的主要因素可以歸結(jié)為價(jià)格因素、經(jīng)濟(jì)增長(zhǎng)、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)以及技術(shù)進(jìn)步五個(gè)方面。

價(jià)格對(duì)需求具有重要的影響，因此石油的價(jià)格應(yīng)該是影響石油需求的首要因素。但是在中國(guó)的石油市場(chǎng)中，價(jià)格變動(dòng)對(duì)石油需求的影響相對(duì)于其他因素的影響較??；經(jīng)濟(jì)的發(fā)展需要石油作為動(dòng)力來(lái)推動(dòng)，石油的需求受經(jīng)濟(jì)發(fā)展水平的影響較大，同時(shí)石油工業(yè)的發(fā)展直接受制于經(jīng)濟(jì)發(fā)展水平，因此經(jīng)濟(jì)增長(zhǎng)是影響石油需求的一個(gè)非常重要的因素；人口數(shù)量直接影響石油的消費(fèi)總量，也直接影響著石油資源的人均占有量和利用方式，因此人口數(shù)量是影響石油需求的一個(gè)不可或缺的因素；在中國(guó)，各個(gè)產(chǎn)業(yè)的石油消耗相差較大，相對(duì)于一、三產(chǎn)業(yè)來(lái)說(shuō)，第二產(chǎn)業(yè)對(duì)石油的需求量更大，因此第二產(chǎn)業(yè)在各產(chǎn)業(yè)中的比重對(duì)石油需求量具有顯著影響；技術(shù)的進(jìn)步通過(guò)提高石油的利用效率、降低單位產(chǎn)品能耗、縮短交易過(guò)程減少石油消耗強(qiáng)度等方式對(duì)石油需求量產(chǎn)生影響。

由此，本文選擇經(jīng)濟(jì)增長(zhǎng)、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)以及技術(shù)進(jìn)步四個(gè)因素作為影響石油需求量的變量。其中，經(jīng)濟(jì)的增長(zhǎng)用國(guó)內(nèi)生產(chǎn)總值表示，人口數(shù)量用全國(guó)總?cè)丝跀?shù)表示，產(chǎn)業(yè)結(jié)構(gòu)用第二產(chǎn)業(yè)在中國(guó)各產(chǎn)業(yè)中的比重表示，技術(shù)進(jìn)步用能源消費(fèi)量與國(guó)內(nèi)生產(chǎn)總值的比值表示。

（二）預(yù)測(cè)過(guò)程

運(yùn)用MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱，首先歸一化處理1965—2014年（其中2014年數(shù)據(jù)是采用近5年數(shù)據(jù)的平均增長(zhǎng)率計(jì)算得到的）中國(guó)國(guó)內(nèi)生產(chǎn)總值、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步及石油需求量數(shù)據(jù)[12]，繼而將歸一化的國(guó)內(nèi)生產(chǎn)總值、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)及技術(shù)進(jìn)步這四個(gè)分量作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入向量，石油需求量數(shù)據(jù)作為輸出向量，利用函數(shù)newff創(chuàng)建網(wǎng)絡(luò)，隱層數(shù)為17個(gè)，將tansig、purelin作為神經(jīng)元的傳遞函數(shù)，其他函數(shù)采用默認(rèn)形式。

由圖5可以看到，采用BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練后的1965—2014年中國(guó)石油需求量擬合值與對(duì)應(yīng)的中國(guó)石油需求量實(shí)際值變化趨勢(shì)一致，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型能夠很好地?cái)M合1965—2014年中國(guó)石油需求量數(shù)據(jù)，預(yù)測(cè)數(shù)據(jù)和實(shí)際數(shù)據(jù)相差不大，BP神經(jīng)網(wǎng)絡(luò)實(shí)際擬合效果很好。由圖6可以看到，BP神經(jīng)網(wǎng)絡(luò)模型擬合的曲線能夠使實(shí)際結(jié)果均勻地分布在其周?chē)?，BP神經(jīng)網(wǎng)絡(luò)模型對(duì)石油需求量數(shù)據(jù)的擬合度達(dá)到9997%以上，具有較高的擬合度，BP神經(jīng)網(wǎng)絡(luò)模型在統(tǒng)計(jì)上具有較好的擬合效果，從而得到很好的精確度，說(shuō)明該模型在擬合1965—2014年石油需求量數(shù)據(jù)上具有較好的效果。圖7顯示，隨著迭代的進(jìn)行，

BP神經(jīng)網(wǎng)絡(luò)的擬合結(jié)果逐漸趨近于實(shí)際數(shù)據(jù)，在經(jīng)過(guò)8次迭代后神經(jīng)網(wǎng)絡(luò)能夠達(dá)到最優(yōu)的預(yù)測(cè)效果，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果整體誤差可達(dá)000021809。

運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)2015—2024年的中國(guó)石油需求進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如表1所示。

四、結(jié)論

將歸一化的1965—2014年中國(guó)國(guó)內(nèi)生產(chǎn)總值、人口數(shù)量、產(chǎn)業(yè)結(jié)構(gòu)及技術(shù)進(jìn)步作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入變量，石油需求數(shù)據(jù)為輸出變量，建立了石油需求量預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。通過(guò)MATLAB軟件對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行反復(fù)訓(xùn)練，發(fā)現(xiàn)當(dāng)隱含層節(jié)點(diǎn)數(shù)為17、學(xué)習(xí)率為01、訓(xùn)練次數(shù)為8、訓(xùn)練精度為0001時(shí)得到的效果最好，在預(yù)測(cè)中國(guó)石油需求數(shù)據(jù)上具有較好的擬合效果，本文預(yù)測(cè)的2015—2024年中國(guó)石油需求數(shù)據(jù)將對(duì)中國(guó)制定能源發(fā)展規(guī)劃具有一定的參考價(jià)值。

[參考文獻(xiàn)]

[1] International Energy Agency. MEDIUM-TERM Oil Market Report 2009.[2014-12-01]. http：//www.iea.org/publications/freepublications/publication/mtomr2009.pdf.

[2] Frank Kleibergen， Herman K. Oil Price Shocks and Long Run Price and Import Demand Behavior[J].Annals of the Institute of Statistical Mathematics，1999（3）：399-417.

[3] 許榮勝. 基于灰色系統(tǒng)理論的中國(guó)石油消費(fèi)需求預(yù)測(cè)研究[J].國(guó)際石油經(jīng)濟(jì)，2005，13（4）：36-38.

[4] 倪錚，凌子未.中國(guó)石油需求量的協(xié)整計(jì)量分析[J].南開(kāi)經(jīng)濟(jì)研究，2005（6）： 3-7.

[5] 吳良海.基于粒子群優(yōu)化支持向量機(jī)的石油需求預(yù)測(cè)[J].計(jì)算機(jī)仿真，2010（4）：292-295.

[6] Mehdi Asali. Income and price elasticity and oil-saving technological changes in ARDL models of demand for oil in G7 and BRIC [J]. OPEC Energy Review， 2011（3）：189-218.

[7] 胡雪棉，趙國(guó)浩.基于Matlab的BP神經(jīng)網(wǎng)絡(luò)煤炭需求預(yù)測(cè)模型[J].中國(guó)管理科學(xué)，2008，16（10）：521-525.

[8] 郭杰，歐名豪，劉瓊，等.基于BP神經(jīng)網(wǎng)絡(luò)的南通市建設(shè)用地需求預(yù)測(cè)[J].資源科學(xué)，2009，31（8）：1355-1361.

[9] 劉枚蓮，朱美華.基于BP神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測(cè)模型[J].系統(tǒng)科學(xué)學(xué)報(bào)，2012，20（4）：88-91.

[10] 史佳.基于BP神經(jīng)網(wǎng)絡(luò)的黃河中下游人口預(yù)測(cè)研究[J].科技管理研究，2014（6）：245-250.

[11] 李成，周恒.原油價(jià)格改進(jìn)型神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J].統(tǒng)計(jì)與決策，2013（8）：67-69.

[12] 國(guó)家統(tǒng)計(jì)局.國(guó)家統(tǒng)計(jì)年鑒2014[M].北京：中國(guó)統(tǒng)計(jì)出版社，2013.

[責(zé)任編輯：張巖林]

Abstract： The prediction of oil demand has great significance in preparing the oil industry development planning. In order to reasonably predict Chinas oil demand， take GDP， population， industrial structure and the technical progress as input vector and take the oil demand as the output vector， we establish the BP neural network model. After training of the BP neural network model by Matlab software， we find that when the number of hidden layer nodes for vector is 17， learning rate is 0.1， training times are 8 and training precision is 0.001， and the predicting result is the best. Finally， we use the BP neural network to predict Chinas oil demand from 2015 to 2024.

Key words： BP neural network； oil demand； prediction.