邢文婷 袁 琳 張 巧

1（重慶工商大學管理科學與工程學院，重慶 400067） 2（四川大學商學院，成都 610065）

引 言

“十四五”規(guī)劃（2021～2025年）中一項重要任務(wù)是在2030年實現(xiàn)非化石能源占一次能源消費的比例達到20%，“雙碳”政策要求在2030年實現(xiàn)二氧化碳排放量達到峰值并穩(wěn)中有降。在當前能源政策導向下，我國正大力發(fā)展清潔能源，但在實際發(fā)展中，出現(xiàn)傳統(tǒng)能源退出步伐過快以及新能源的安全可靠替代性不足等問題。天然氣作為一種清潔能源，在傳統(tǒng)能源退出和新能源發(fā)展中起著重要的過渡作用，是實現(xiàn) “雙碳”目標的橋梁［1］。受限于資源稟賦、儲存條件、技術(shù)水平和產(chǎn)業(yè)環(huán)境等因素，盡管國內(nèi)天然氣產(chǎn)能建設(shè)在國家加大勘探開發(fā)力度政策的引導下得到快速發(fā)展，但產(chǎn)量增速與需求增速相比仍顯動力不足，因此我國天然氣供應(yīng)主要依賴進口［2］。2018年我國天然氣進口量超過日本，成為世界最大的天然氣進口國，2020年受新冠肺炎疫情影響，各行業(yè)經(jīng)濟形勢受到不同程度沖擊，但天然氣進口增速仍與2019年進口增速持平，顯示出我國對天然氣的剛性需求以及天然氣在應(yīng)對危機中的獨特韌性，天然氣進口的重要性不言而喻。因此，準確預測天然氣進口趨勢對不影響國民經(jīng)濟穩(wěn)定發(fā)展的前提下實現(xiàn) “雙碳”目標具有重大意義。同時，掌握科學的預測數(shù)據(jù)有利于政府實行動態(tài)的進口策略，為相關(guān)部門制定能源政策提供科學的理論依據(jù)。

1 文獻綜述

構(gòu)建科學的天然氣進口預測評價指標體系和高精度的預測模型是本文預測工作的重點。在早期天然氣預測指標的選取中，更多考慮與需求直接相關(guān)的影響因素，認為GDP和人口是影響天然氣消費的最主要因素，另外，行業(yè)不同天然氣消費量的影響因素也不同，如Melikoglu將國內(nèi)生產(chǎn)總值、人均購買力、人口統(tǒng)計和人口變化等指標納入了預測體系［3］，Li等認為第二產(chǎn)業(yè)和第三產(chǎn)業(yè)中天然氣使用量與固定資產(chǎn)投入有關(guān)［4］。近年來，大多學者會針對自身的研究需要，納入其他對天然氣預測可能產(chǎn)生影響的指標，Zhang和Yang認為能源效率、城鎮(zhèn)化率等會對天然氣消費量產(chǎn)生影響［5］，Omer等使用季節(jié)指數(shù)、溫度、天然氣價格、石油價格、人口和GDP為預測變量用以預測伊斯坦布爾省的天然氣需求［6］。由此可見，學者研究視角的不同導致難以形成統(tǒng)一的預測指標體系，且大多研究在構(gòu)建預測指標體系時仍采用傳統(tǒng)定性方法，存在一定的局限性和非客觀性。因此，本文利用曲線投影尋蹤動態(tài)聚類模型構(gòu)建天然氣進口預測評價指標體系，剔除人為任意性的影響，使預測指標體系更具客觀科學性，提升預測精度。

在能源預測方法中，時間序列［7］、灰色系統(tǒng)模型［8］和多元線性回歸［9］等傳統(tǒng)預測方法因具備簡單、運行速度快等優(yōu)點受到研究者們的青睞，但這些方法在單獨使用時存在精確度較低、難以刻畫復雜的非線性演變趨勢等缺陷。為了提升預測精度，有學者對預測模型進行優(yōu)化改進，Song設(shè)計了一種能自動適應(yīng)天然氣消費特征的非線性優(yōu)化且自適應(yīng)初始值的灰色預測模型［10］。Zhou等對傳統(tǒng)灰色模型進行了優(yōu)化，設(shè)計了一種非線性的新型離散灰色模型，提升了模型的性能，減少預測誤差［11］。Liu等建立了一個具有時間冪項的離散分數(shù)灰色模型并預測了2019～2025年中國天然氣消費量［12］，雖然優(yōu)化后模型的精度有所提升，但其所求解的權(quán)系數(shù)固定不變，對于受多種復雜因素影響的天然氣進口預測并不是最合適的。機器學習模型與傳統(tǒng)算法相比，不僅彌補了上述缺陷且具有高精度、自適應(yīng)和動態(tài)學習的優(yōu)勢［6，13］。

綜上，為了降低預測風險，提升預測精度，準確地對我國天然氣進口量進行預測，本文利用曲線投影尋蹤動態(tài)聚類模型深入挖掘影響天然氣進口量的主要因素，剔除數(shù)據(jù)中顯示與天然氣進口量無關(guān)的因素，實現(xiàn)最終預測指標體系的客觀性。并構(gòu)建多變量灰色預測、支持向量機和卷積神經(jīng)網(wǎng)絡(luò)3種機器學習模型來擬合2006～2020年我國天然氣進口量數(shù)據(jù)，并將擬合結(jié)果進行對比分析，以期選出擬合精度最高的預測模型對我國2021～2026年天然氣進口量進行預測，旨在為我國天然氣供應(yīng)安全和制定能源政策提供一定的科學依據(jù)。

2 天然氣進口預測評價指標體系構(gòu)建

通過梳理相關(guān)文獻［3－6，10－15］，從天然氣需求預測指標出發(fā)并結(jié)合天然氣進口的特殊性以及當下能源背景，本文從經(jīng)濟發(fā)展指標、人口指標、天然氣行業(yè)指標和能源消費指標4個方面綜合考慮，初選13個影響天然氣進口的二級指標。如表1所示。

表1 影響天然氣進口的初始評價指標集

然后，采用曲線投影尋蹤動態(tài)聚類模型［16］對各指標進行排序，假設(shè)xij（i＝ 1，2，3，…，n；j＝ 1，2，3，…，m）表示影響天然氣進口的評價指標，其中n表示樣本數(shù)量，m表示指標個數(shù)），最終指標體系X由m×n維數(shù)值矩陣構(gòu)成。

（1）指標無量綱化

由于天然氣進口評價指標的量綱不盡相同，首先對指標數(shù)據(jù)進行無量綱化處理。如果xij為正向指標，其標準化公式為：

如果xij為負向指標，其標準化公式為：

（2） 曲線投影

雙曲正切曲線的特點是增長緩慢，然后加速，最后逐漸穩(wěn)定。用它來描述天然氣進口各評價指標的變化過程是合理的。有雙曲正切函數(shù)：

（3）投影尋蹤動態(tài)聚類指標的構(gòu)建

采用動態(tài)聚類投影法構(gòu)造新的投影指標。雙曲正切函數(shù)曲線的投影特征值序列表示為：z1，z2，z3，…，zn，評價等級為p（p≤n）。Θt（t＝1，2，3，…，p）表示樣本投影特征值的第t類集合：

Θt＝｛Zi｜d（At－Zi）≤d（An－Zi）｝

h＝1，2，3，…，pt≠h

d（）越小表示類間樣本的聚合越高，s（）越大表示樣本間離散程度越高。投影尋蹤動態(tài)聚類的思想要求樣本點在整體上盡可能分散，并形成多個類，類與類之間盡可能分散，而類內(nèi)樣本點盡可能聚集。根據(jù)該思想，定義了曲線投影尋蹤動態(tài)聚類指標：

最佳投影方向和投影值可以反映各評價指標與天然氣進口量的內(nèi)在機理，當Q（）最大時可以得到最能反映數(shù)據(jù)特征的最佳聚類結(jié)果和投影方向向量，因此，天然氣進口評價指標可以描述為以下非線性優(yōu)化問題：

表2 天然氣進口預測指標特征重要性排序

結(jié)果顯示，能源消費總量中天然氣占比、天然氣使用人數(shù)和城鎮(zhèn)人口數(shù)量對天然氣進口量影響較大，均在10%以上，其中能源消費總量中天然氣占比的影響程度最大，為32.06%，說明天然氣消費占比是影響我國天然氣進口量的最主要驅(qū)動因素，與當前我國大力發(fā)展天然氣改善能源消費結(jié)構(gòu)、天然氣進口需求不斷增大的現(xiàn)實情況一致。另外，能源工業(yè)固定資產(chǎn)投資、天然氣進口價格和居民消費水平對天然氣進口量的影響程度微乎其微，均在1%以下。從預測數(shù)據(jù)的有效性和預測精度考慮，將影響程度不足1%的指標剔除，得到最終天然氣進口預測評價指標體系，如表3所示。

表3 天然氣進口預測評價指標體系

續(xù) 表

3 機器學習模型概述

3.1 多變量灰色 GM（1，N）模型

GM（1，1）是最常用的灰色模型，其原理是用少量數(shù)據(jù)預測變量未來一段時間的發(fā)展趨勢。由于整個樣本僅由一組時間序列數(shù)據(jù)構(gòu)成，并未深入挖掘外界因素對變量產(chǎn)生的影響，因此模型精度不高。GM（1，N）模型原理與GM（1，1）相似，但彌補了GM（1，1）的缺陷，將對因變量有影響的N個因素納入模型，構(gòu)造N個n元一階常微分方程結(jié)合求解，提升預測精度。GM（1，N）模型構(gòu)建如下。

3.1.1 數(shù)據(jù)準備

3.1.2 計算累加序列，生成鄰值序列

3.1.3 引入矩陣向量記號

參數(shù)列u＝［a，b2，…，bN］T的最小二乘估計滿足：

最后將其做累減解得還原值，得到最終天然氣進口預測值：

3.2 支持向量機回歸（SVR）

支持向量機是一種穩(wěn)健而精確的數(shù)據(jù)挖掘技術(shù)，可以用于樣本的分類與預測，用于回歸解決預測問題時，稱為支持向量機回歸。SVR的目的是使函數(shù)最大限度偏離實際輸出的不敏感損耗函數(shù)。在減小誤差時，通過同時增加函數(shù)的平坦度，可降低過度檢測風險。對天然氣進口預測評價指標體系組成的N維數(shù)據(jù)樣本進行訓練，找到擬合效果最佳的函數(shù)模型和參數(shù)，并利用擬合所得函數(shù)輸出某一時間段的預測值。SVR從函數(shù)角度表示為：

其中φ（x）表示核變換函數(shù)，將輸入數(shù)據(jù)映射為高維數(shù)據(jù)，w和b是參數(shù)。通過最小化正則化風險函數(shù)來計算系數(shù)，如下所示：

其中參數(shù)ε為容差值：

上述方程中L（y，f（x））表示不敏感損耗功能。當估計值在介電常數(shù)內(nèi)，則損耗為0。同時引入兩個松弛變量ξ1和ξ2，分別表示介電常數(shù)區(qū)的正偏差和負偏差。式 （10）以新的約束形式重新表述為：

通過下式的拉格朗日乘子法解決上述約束優(yōu)化問題：

對偶拉格朗日形式如下：

最后得到回歸函數(shù)：

其中K（xi，xj）是一個核函數(shù)，其值等于特征空間φxi和φxj中兩個向量xi和xj的內(nèi)積。比較常用的核函數(shù)有徑向基核、線性核和多項式核，在本文研究中采用多項式核進行天然氣進口預測，多項式核計算簡單且提高算法速度，用以下等式表示：

在等式中，d表示階數(shù)，a1和a2為常數(shù)。SVR的性能取決于超參數(shù)（c，ε）和核參數(shù)（d）的設(shè)置，參數(shù)的設(shè)置會影響估算精度。詳細來說，c提供了訓練誤差和模型魯棒性之間的折衷，c取值過大，則目標函數(shù)的經(jīng)驗風險將最小化。參數(shù)ε與支持向量的數(shù)量一致，并決定SVR中耗損函數(shù)的寬度。

3.3 卷積神經(jīng)網(wǎng)絡(luò)（CNN）

人工神經(jīng)網(wǎng)絡(luò)是一種反向傳播算法，由于神經(jīng)網(wǎng)絡(luò)中存在大量參數(shù)，容易產(chǎn)生過擬合或訓練時間長的情況。卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）是一種深度學習模型，典型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含卷積層、池化層和全連接層3個環(huán)節(jié)，每層卷積層由一組卷積核組成，CNN依靠卷積層中的卷積核識別輸入數(shù)據(jù)的特征，通過池化層提取有效特征，并通過局部連接對輸入數(shù)據(jù)的相關(guān)性進行分析、權(quán)值共享和子采樣，提取出全局特征一般需要多次卷積才能完成。與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，卷積神經(jīng)網(wǎng)絡(luò)降低了相同網(wǎng)絡(luò)規(guī)模下的訓練參數(shù)量和計算量，適應(yīng)性更強，同時降低了模型的復雜度以及過擬合的風險。CNN本質(zhì)上是一種輸入到輸出的映射，訓練過程一般包括兩個階段：第一階段：向前傳播階段。輸入卷積網(wǎng)絡(luò)，計算出與之對應(yīng)的實際輸出值。在此階段，信息從輸入層經(jīng)過逐級變換傳送到輸出層；第二階段：向后傳播階段。計算實際輸出值與理想輸出值間的差距，按照極小化誤差的方法調(diào)整權(quán)值矩陣。判斷指標是否滿足精度要求，不滿足則返回第一階段繼續(xù)迭代。當訓練結(jié)束則認為各個權(quán)值達到穩(wěn)定，分類器已形成。一維卷積公式如下：

其中，yt為輸出的特征數(shù)據(jù)；wt為卷積核；xt－k＋1為輸入數(shù)據(jù)；b為偏置；K為數(shù)據(jù)長度。

4 我國天然氣進口量預測

4.1 數(shù)據(jù)說明

本文使用到的數(shù)據(jù)為2006～2020年天然氣進口預測評價指標以及我國天然氣實際進口量的歷史數(shù)據(jù)，數(shù)據(jù)來源于歷年 《中國統(tǒng)計年鑒》和 《BP世界能源統(tǒng)計年鑒》（其中2020年進口數(shù)據(jù)受新冠肺炎疫情影響較小，未造成整體進口趨勢變化），預測評價指標數(shù)據(jù)如表4所示。

表4 2006～2020年預測指標的歷史數(shù)據(jù)

在天然氣進口量預測之前，需要獲取各個指標的預測值，由于指標較多，因此選用具有簡單時間序列預測優(yōu)勢的ARIMA模型進行預測。將各指標分別帶入遍歷不同參數(shù)的ARIMA（p，d，q）模型［17］。各模型擬合結(jié)果中均方根誤差（RMSE）取值最小的組合視為該指標擬合最好的模型［17，18］，并獲取各指標2021～2026年的預測值，預測結(jié)果見表5。

表5 2021～2026年各指標預測值

4.2 預測結(jié)果及分析

將2006～2020年各評價指標的歷史數(shù)據(jù)作為輸入變量，2006～2020年天然氣實際進口量作為輸出變量，比較3種模型的預測擬合精度。將2006～2013年數(shù)據(jù)劃分為訓練組，用以訓練預測模型，2014～2020年數(shù)據(jù)作為驗證組，驗證模型精度。驗證組中擬合值與真實值的相對誤差百分比如表6所示。

表6 3種模型天然氣進口量擬合結(jié)果對比

3種模型中SVR模型預測誤差最大且波動最劇烈，7組擬合數(shù)據(jù)中相對誤差百分比最小到0.44%，最大至30.19%，此外有4組數(shù)據(jù)的相對誤差百分比均大于20%。GM（1，N）模型和CNN模型的相對誤差波動較小。選取均方誤差（MSE）、均方根誤差（RMSE）和平均絕對百分比誤差（MAPE）3種誤差評價指標進一步對比3種模型精度。

一般來說，MAPE小于10%，模型被認為預測精度較高［19］，且MSE和RMSE的數(shù)值越小，模型誤差越小、精度越高。從表7結(jié)果分析，CNN模型3個誤差評價指標的數(shù)值均最小，其次是GM（1，N）模型，數(shù)值最大的是SVR模型，同時CNN模型的MAPE值小于10%，GM（1，N）和SVR模型的MAPE值均大于10%。由此可見，CNN模型的預測精度較高，用此模型預測的未來天然氣進口值最富參考價值。下面將表5中各評價指標預測值帶入訓練好的CNN模型中，得到2021～2026年天然氣進口量預測結(jié)果，如表8所示。

表7 3種模型預測誤差對比

表8 2021～2026年天然氣進口量預測結(jié)果

預測結(jié)果表明，2021～2026年我國天然氣進口趨勢與歷史數(shù)據(jù)保持一致，進口量持續(xù)增加；進口增速緩慢下降，整體增速波動較小，均在10%以內(nèi)；2026年，天然氣進口量首次突破2000億立方米。從我國能源政策來看，與供應(yīng)可靠性不穩(wěn)定的新能源相比，天然氣仍是未來調(diào)整能源消費結(jié)構(gòu)、實現(xiàn) “碳達峰”目標的 “主力軍”，天然氣進口需求仍會持續(xù)增加。結(jié)合國際能源背景分析，各天然氣出口國積極響應(yīng) “碳達峰”號召，天然氣出口量上升，我國作為最大的油氣資源消費國，是能源出口國爭先合作的對象。在我國主要的天然氣進口來源國中，俄羅斯表示將增加向中國出口天然氣的總量，并加強綠色低碳領(lǐng)域的合作，發(fā)展更為緊密的能源聯(lián)盟，哈薩克斯坦、土庫曼斯坦、卡塔爾、烏茲別克斯坦等國也明確表示將加強與中國在天然氣、可再生能源領(lǐng)域的合作，因此未來中國的天然氣進口體量上升是大勢所趨。

同時，風電、光伏發(fā)電等在政策扶持下具備了一定的市場競爭性，綠色低碳能源政策的導向使風電、光能等清潔能源所占比重有所上升，國內(nèi)能源政策將推動可再生能源替代計劃，完善綠色低碳轉(zhuǎn)型體制機制，氫能等可再生能源或許會成為未來能源政策的另一重點，除此之外，我國對頁巖氣開發(fā)的重視和開采技術(shù)的進步促使國內(nèi)天然氣產(chǎn)量增加，這些在一定程度上緩解了天然氣進口端的供應(yīng)壓力，因此天然氣進口增速呈下降趨勢。

5 結(jié)論與政策建議

天然氣進口預測受到多種因素影響，本文從天然氣自身特殊性和當下能源背景考慮，并結(jié)合曲線投影尋蹤動態(tài)聚類的方法，確定了具有客觀性的天然氣進口預測評價指標體系。構(gòu)建3種機器學習模型并對比天然氣進口量的擬合精度，選取最優(yōu)模型進行最終預測。綜合結(jié)論有以下幾點：

（1）利用曲線投影尋蹤動態(tài)聚類模型構(gòu)建天然氣進口預測評價指標體系，并深入挖掘了各因素對天然氣進口量的影響程度。其中能源消費結(jié)構(gòu)中天然氣消費占比是影響天然氣進口量的最主要驅(qū)動因素。其次是城鎮(zhèn)人口數(shù)量和天然氣使用人數(shù)，從居民用氣需求角度解釋其對天然氣進口需求的影響。最后天然氣對外依存度、煤炭消費占比以及國內(nèi)生產(chǎn)總值也對天然氣進口產(chǎn)生了一定影響。

（2）CNN模型具有極強的數(shù)據(jù)處理能力，且避免了訓練時間長和出現(xiàn)過擬合的情況，是性能較高的機器學習模型，通過與GM（1，N）模型和SVR模型對天然氣進口預測擬合結(jié)果的對比，也顯示出其精度更優(yōu)、擬合誤差更小的優(yōu)勢。因此用CNN模型預測出的天然氣進口結(jié)果具有參考價值。

（3）預測結(jié)果顯示，2021～2026年天然氣進口增速在逐步減緩，但天然氣進口量仍不斷攀升，預計2026年天然氣進口量突破2000億立方米。在未來發(fā)展中應(yīng)重視我國天然氣進口能力的提升，避免出現(xiàn)天然氣短缺等能源供應(yīng)問題，同時采取措施降低天然氣對外依存度。

以上結(jié)論對國家制定相關(guān)能源政策、規(guī)劃天然氣進口策略、實現(xiàn) “碳達峰”、“碳中和”目標等方面提供了一定的參考價值，基于研究結(jié)論，本文提出以下建議：（1）未來發(fā)展中要健全以天然氣為導向的能源政策，繼續(xù)發(fā)揮天然氣在我國能源轉(zhuǎn)型中的支撐作用，發(fā)揮天然氣在氫氣等新能源發(fā)展中的 “孵化器”作用，助力實現(xiàn) “雙碳”目標；（2）合理調(diào)配天然氣資源。優(yōu)先保障居民用氣，嚴格控制產(chǎn)能過剩工業(yè)的天然氣用量，提高天然氣利用的社會價值，在生產(chǎn)、運輸、使用過程中嚴格控制天然氣的排放和使用泄漏量，確保天然氣的利用效率；（3）加快天然氣管道建設(shè)，加強天然氣進口能力。截至2020年，我國管道天然氣進口量占天然氣進口總量的32%，遠低于液化天然氣進口量，通過管道運輸?shù)奶烊粴饬窟€遠不及充分利用管線所能達到的產(chǎn)能。因此，加快管道建設(shè)，增加管道運輸量有助于增強我國天然氣進口能力；（4）推進天然氣基礎(chǔ)設(shè)施建設(shè)，在天然氣的長期規(guī)劃中，要加快建立儲氣設(shè)施，增強調(diào)峰能力以應(yīng)對出現(xiàn)天然氣實際進口量低于預測進口量以及季節(jié)性的供需不平衡等情況； （5）增強資源勘探力度，加大科技成本投入，升級我國天然氣開采技術(shù)，做到常非并重、海路并舉?！半p碳”目標下既要增加天然氣在能源消費結(jié)構(gòu)的比重，實現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型，又要求降低天然氣對外依存度，破解難題的關(guān)鍵舉措在于增加我國天然氣產(chǎn)量。