基于ARIMA模型的河南省能源需求量预测

2010年安阳师范学院学报41基于ARIMA模型的河南省能源需求量预测任欢(安阳工学院数理学院,河南安阳455000[摘要]利用 ARIMA模型对1979-2009年河南省能源需求总量数据进行分析,结果表明河南省能源需求总量在做短期预测时ARIMA(2,2.,4)模型是合理的.此模型可为河南省制定节能政策用提供可靠依据。[关键词]ARIMA模型;河南省;能源需求;预测[中图分类号]0212[文献标识码]A[文章编号]1671- 5330(2010)05- 0041-03改革开放以来,河南省的经济发展取得了令缺省默认条件，中心化ARMA(p,q)模型可以简人瞩目的成就,同时也应注意到这段时期的经济快速发展是以能源的高消耗为代价的。资源有一Ber-g,引入延迟算子,ARMA(p,q)模型可以限,能源供应安全问题成为一个值得我们思考的简记为:a(B)X,= 0(B)en,其中a(B)=1-aB-问题。能否对未来能源需求做出一个准确的预.-a,BP为p阶自回归系数多项式,日(B)=1-.测,成为我们合理制定经济发展政策和能源安全βB--β.B°为q阶移动平均系数多项式。利用政策的一个重要环节。本文利用时间序列分因为只有平稳的时间序列才可以直接建立析和预测的方法，给出河南省能源需求的ARI-ARMA模型,若为非平稳的序列,则需要考虑对MA模型,并进行分析预测。数据做处理,通过d阶差分等方法使序列满足平稳性的要求。假设{x}为非平稳序列,经过d阶1 ARIMA 模型简介差分后平稳,记为Y,=V°X,则平稳序列{Y,}可ARIMA模型全称为差分自回归移动平均模以建立ARMA模型:a(B)Y.=0(B)e,.而原序列型( Autoregressive Integrated Moving Average{X,}可以表示为ARIMA(p,d,q)模型:a(B)Model),是由博克思(Box)和詹金斯(Jenkins)于V°X, =0(B)e. ,其中{e,}为零均值白噪声序列,B20世纪70年代初提出的一著名时间序列预测方是后裔算子,V“=(1-B)“是d阶差分。由此可法,又被称为B-J模型。知,ARIMA模型是ARMA模型的推广, 是经过ARIMA模型有三种基本类型:自回归模型d阶差分变换的ARMA模型。ARIMA模型可(AR(p))、移动平均模型(MA(q))以及自回归移动用于非平稳时间序列预测。平均模型(ARMA(p,q)),其中ARMA(p,q)模型2 ARIMA 模型的应用是AR(p)与MA(q)的组合,因此也被称之为混合模型。ARMA(p,q)模型的一般表达式如下:2.1时间序列观察分析及平稳化处理X.=ao+aX-:+azX-+..+apX.-.+e.-对非平稳的时间序列采用时间序列分析会产β:e-1- Bx∈:z- "- Be1-q,(1)生伪回归模型,为了防止这一问题的产生,首先要ap≠0,β≠0,对时间序列的原数据进行观察分析。E(e)=0, Var(e)=o',E(ee)=0,s≠t,E利用Eviews3.1软件做出河南省在1979一(e,X,)=0,Vs