摘要
随着我国经济社会的进一步发展,能源需求逐步增大,且消费量的增长与多种因素相关。能源消费预测存在与多因素的关联。文章在基础GM(1,1)模型框架下,以重新累积生成累加后序列预测值的方式进行GM(1,1)的无偏化修正,并按照加权平均背景值重设进行pGM(1,1)模型修正;并以各种非线性参变量间的映射纳入组合BP神经网络的能源消费预测。结果证实,无偏GM(1,1)、pGM(1,1)模型有效降低了GM(1,1)的预测平均相对误差,再与BP神经网络组合预测,形成了较好的能源消费预测精度。
出处
《统计与决策》
CSSCI
北大核心
2016年第5期90-93,共4页
Statistics & Decision
基金
国家社会科学人文社科基金项目(12FJL005)
国家青年基金资助项目(14CZX045)
国家社会科学人文社科一般项目(11BJL061)
