基于BP神經(jīng)網(wǎng)絡(luò)的煤炭量消耗預(yù)測模型研究

龔立雄，劉世雄，王燦林

(1.重慶理工大學(xué) 機(jī)械工程學(xué)院，重慶 400054；2.華北電力大學(xué) 能源動力與機(jī)械工程學(xué)院， 河北 保定 071003；3.深圳市智博翼企業(yè)管理咨詢有限公司，廣東 深圳 518172)

基于BP神經(jīng)網(wǎng)絡(luò)的煤炭量消耗預(yù)測模型研究

龔立雄1，劉世雄2，王燦林3

(1.重慶理工大學(xué) 機(jī)械工程學(xué)院，重慶 400054；2.華北電力大學(xué) 能源動力與機(jī)械工程學(xué)院， 河北 保定 071003；3.深圳市智博翼企業(yè)管理咨詢有限公司，廣東 深圳 518172)

針對目前煤炭量消耗預(yù)測方法的不足，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的煤炭量消耗預(yù)測模型。首先，分析了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法。然后，對影響煤炭量消耗的因素進(jìn)行總結(jié)，根據(jù)《中國統(tǒng)計年鑒》數(shù)據(jù)，提煉出7個煤炭量消耗影響因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入，構(gòu)建了結(jié)構(gòu)為7-10-1-1形式的雙隱層BP神經(jīng)網(wǎng)絡(luò)煤炭量消耗預(yù)測模型。實例研究表明，該模型回歸系數(shù)接近1，訓(xùn)練誤差和測試誤差較低，能準(zhǔn)確預(yù)測中國煤炭量等能源的消耗。

神經(jīng)網(wǎng)絡(luò)；BP；煤炭量消耗；預(yù)測模型

煤炭作為中國能源消耗的主要資源，準(zhǔn)確預(yù)測煤炭量消耗對于合理利用能源具有重要意義。作為一個發(fā)展中國家，煤炭長期以來作為中國主要消耗資源。在未來一段時期內(nèi)，煤炭在一次能源消耗結(jié)構(gòu)中的主體地位不會改變[1-2]。然而，煤炭資源又是一種不可再生資源，需要科學(xué)開發(fā)和合理利用。因此，準(zhǔn)確預(yù)測煤炭量消耗，保持煤炭量供需平衡十分重要。近年來，國內(nèi)外學(xué)者對中國煤炭量消耗預(yù)測做了許多工作，主要預(yù)測方法有彈性系數(shù)法、回歸模型、投入產(chǎn)出法、灰色預(yù)測等[3-4]。Tunckaya等[5]使用統(tǒng)計中的自回歸移動平均和回歸平均比較了600兆瓦燃煤發(fā)電廠的發(fā)電量。柴巖等[6]針對傳統(tǒng)灰色預(yù)測模型對離散程度較大的數(shù)據(jù)預(yù)測不理想問題，提出了一種改進(jìn)GM(1,1)-LSSVM預(yù)測模型，并用該模型預(yù)測遼寧省1996-2009年煤炭能源消耗總量。蘇維均等[7]采用貝葉斯估計和馬爾科夫算法對傳統(tǒng)回歸移動平均進(jìn)行改進(jìn)，通過仿真預(yù)測了造紙企業(yè)工藝過程能源消耗。龐家幸等[8]采用脫鉤指數(shù)評價了甘肅經(jīng)濟(jì)增長和能源消耗的關(guān)系，以歷史數(shù)據(jù)為基礎(chǔ)預(yù)測了甘肅2020年能源消耗總量。孫學(xué)軍[9]利用統(tǒng)計軟件，構(gòu)建了煙草生產(chǎn)能耗預(yù)測回歸模型，該模型以逐日驗證法對預(yù)測模型的精確性進(jìn)行驗證。但上述煤炭量消耗預(yù)測模型因采用方法和基礎(chǔ)數(shù)據(jù)來源不同，預(yù)測精度存在一定誤差。

神經(jīng)網(wǎng)絡(luò)是一種建立在神經(jīng)學(xué)基礎(chǔ)上的抽象數(shù)學(xué)模型，反映了人類大腦的某些基礎(chǔ)特征，具有一定學(xué)習(xí)能力，能很好地適應(yīng)經(jīng)濟(jì)、社會等環(huán)境變量的變化，適合復(fù)雜系統(tǒng)的建模與預(yù)測。本文針對現(xiàn)有預(yù)測方法的不足，采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)構(gòu)建了中國煤炭量消耗預(yù)測模型，并以中國煤炭量消耗1990-2015年數(shù)據(jù)為例，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，準(zhǔn)確地預(yù)測了我國2016年和2017年煤炭量的消耗，為科學(xué)制定能源政策提供了模型參考。

1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

1.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)研究開始于20世紀(jì)40年代。50年代末，Rosenblatt提出了感知器模型，奠定了人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)[10]。經(jīng)過多年發(fā)展，人工神經(jīng)網(wǎng)絡(luò)的研究逐漸成熟，在模式識別、智能控制等方面得到廣泛應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)是一種特殊的神經(jīng)網(wǎng)絡(luò)，它采用誤差校正學(xué)習(xí)算法達(dá)到非線性神經(jīng)元的學(xué)習(xí)過程，通過誤差的反向傳播來實現(xiàn)目標(biāo)的無限逼近。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示，包括輸入層、輸出層、隱層三個部分，每一層由多個并行運算的神經(jīng)元組成，其學(xué)習(xí)過程可分為兩個階段：正向傳播階段和誤差反向傳播階段。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 BP神經(jīng)網(wǎng)絡(luò)算法

當(dāng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)固定后，BP算法是通過調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)重使得輸出與期望值之間的誤差降低，通過有監(jiān)督學(xué)習(xí)的梯度下降調(diào)整權(quán)重。正向傳播過程中，每一層神經(jīng)元只影響下一層神經(jīng)元，如果輸出層中不能得到期望輸出，則進(jìn)入反向傳播階段，將誤差信號沿原通路返回，修改權(quán)重，如此反復(fù)達(dá)到誤差要求。學(xué)習(xí)過程中，誤差函數(shù)表示為：

(1)

式中，M為輸出神經(jīng)元個數(shù)；Tj為輸出層節(jié)點j的期望輸出，j=1，2，…，M；Outj為輸出層節(jié)點j的實際輸出。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時，其權(quán)重的修訂公式如下：

Wji(t)=Wji(t-1)+ΔWji

(2)

(3)

(4)

對于隱含層：

(5)

式中，P為隱層節(jié)點個數(shù)。將公式(5)代入公式(3)中，則輸出層、隱層權(quán)重修正公式分別為公式(6)和公式(7)：

(6)

(7)

式中，F(xiàn)′(?)為傳遞函數(shù)導(dǎo)數(shù)。當(dāng)采用Sigmoid函數(shù)時，則：

F′(?)=F(?)*(1-F(?))

(8)

(9)

式中，j為神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元個數(shù)，j=1，2，…，M?？芍?，BP算法是一個誤差反向傳播的梯度下降算法，通過局部改善，力圖使總誤差最小。網(wǎng)絡(luò)前一層的誤差信號由后一層傳遞過來，逐層向前傳播，誤差反向傳播BP算法也由此而名。

2 煤炭量消耗預(yù)測模型研究

2.1煤炭量消耗影響因素分析

影響能源消耗需求的因素很多，受到產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)、環(huán)境、政策、生活習(xí)慣等多方面因素的影響。煤炭在中國一直是主要的一次能源，在未來一段時間內(nèi)，煤炭仍將作為主要能源消費。因此，本文重點分析煤炭消耗的影響因素。影響煤炭消耗需求因素主要有價格、技術(shù)革命、產(chǎn)業(yè)結(jié)構(gòu)等，具體有：

(1) 經(jīng)濟(jì)增長。煤炭消耗與經(jīng)濟(jì)發(fā)展密切相關(guān)，受經(jīng)濟(jì)增長水平影響很大。國家GDP增加，能源需求隨之增加；由于二者具有強(qiáng)相關(guān)性，所以煤炭量消耗也會相應(yīng)增加，但它們并不是簡單的因果關(guān)系。經(jīng)濟(jì)增加是推動煤炭消耗增長的重要因素，可用能源消耗彈性系數(shù)和GDP增長率表示[11]。

(2) 能源生產(chǎn)和消耗結(jié)構(gòu)。能源生產(chǎn)和消耗結(jié)構(gòu)反映能源生產(chǎn)、消耗占所有能源消耗的比例關(guān)系，中國煤炭量消耗比例較高，據(jù)《中國統(tǒng)計年鑒》2016年數(shù)據(jù)顯示，2011-2015年中國煤炭量消耗占能源消耗比重分別為70.2%、68.5%、67.4%、65.6%、64%，平均占比為67.1%，以煤炭為主的能源消耗結(jié)構(gòu)導(dǎo)致能源效率低下，能耗指數(shù)較高。

(3) 價格。煤炭量消耗與煤炭價格緊密相關(guān)。一般來說，當(dāng)煤炭價格上漲時，耗煤企業(yè)將會增加其他可替代能源的使用量，減少煤炭的消耗。反之，當(dāng)價格降低時，煤炭消耗會增加。中國煤炭消耗比重占所有能源消耗比重的60%以上，一方面說明中國經(jīng)濟(jì)快速增長，能源消費結(jié)構(gòu)單一；另一方面，也說明我國煤炭價格偏低，生產(chǎn)總量過剩。

(4) 能源生產(chǎn)和消耗總量。能源生產(chǎn)總量影響能源價格，煤炭在中國作為主要能耗來源，與能耗生產(chǎn)總量和消耗總量存在著相應(yīng)關(guān)系。煤炭量消耗直接體現(xiàn)著對煤炭量的需求，當(dāng)能源生產(chǎn)量多時，消費總量也相應(yīng)增加，則煤炭生產(chǎn)量和消耗量也會相對增加，反之降低，因而能源生產(chǎn)總量影響煤炭需求和消耗。

(5) 其他因素。煤炭量消耗還有很多因素，如投資、人口變化、城市化進(jìn)程、科技進(jìn)步、節(jié)能措施、經(jīng)濟(jì)體制變革、國際能源貿(mào)易、生態(tài)環(huán)境保護(hù)、能源加工效率等、國家能源政策等，都會影響煤炭的消耗。

2.2基于BP神經(jīng)網(wǎng)絡(luò)的煤炭量消耗預(yù)測

由2.1可知，煤炭量消耗受多種因素影響，為了準(zhǔn)確預(yù)測中國煤炭量消耗情況，本文選取了一些主要因素作為神經(jīng)網(wǎng)絡(luò)的輸入指標(biāo)，并要求這些因素可量化，即在《中國統(tǒng)計年鑒》中能夠查詢到可靠的數(shù)據(jù)。因此，選取的影響因素有GDP增長率、人均生活消費能源(千克標(biāo)準(zhǔn)煤)、煤炭生產(chǎn)量占能源生產(chǎn)總量比重、能源生產(chǎn)總量(萬噸標(biāo)準(zhǔn)煤)、能源加工轉(zhuǎn)換效率、能源生產(chǎn)彈性系數(shù)、能源消耗彈性系數(shù)。

在這些選取的輸入指標(biāo)中，GDP增長率、能源消耗彈性系數(shù)對應(yīng)著2.1節(jié)中的經(jīng)濟(jì)增長因素。人均生活消費能源指標(biāo)反映的是人均生活消費水平，對應(yīng)著2.1節(jié)中的人均能源生產(chǎn)和消耗總量影響因素。煤炭生產(chǎn)量占能源生產(chǎn)總量對應(yīng)著2.1節(jié)中能源生產(chǎn)和消費結(jié)構(gòu)影響因素。能源生產(chǎn)彈性系數(shù)是指能源生產(chǎn)總量年平均增長速度和國民經(jīng)濟(jì)平均增長速度的比值，對應(yīng)著2.1節(jié)影響因素中的經(jīng)濟(jì)增長、能源生產(chǎn)和消耗總量的綜合影響。能源加工轉(zhuǎn)換效率是反映能源加工轉(zhuǎn)換裝置和生產(chǎn)工藝、管理水平的指標(biāo)，對應(yīng)2.1節(jié)中煤炭價格、科技進(jìn)步影響因素。一般地，煤炭加工轉(zhuǎn)換效率升高，則煤炭價格相應(yīng)降低，煤炭生產(chǎn)和消耗量會隨之提高。因此，本文輸入指標(biāo)的選擇與影響中國煤炭量消耗的主要因素密切相關(guān)，并且數(shù)據(jù)選自《中國統(tǒng)計年鑒》，來源可靠、可量化，具有一定的科學(xué)性。

在構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的過程中，以上7個因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入層。輸出層為煤炭量消耗(萬噸標(biāo)準(zhǔn)煤)。即輸入層有7個神經(jīng)元、輸出層為1個神經(jīng)元。

本文數(shù)據(jù)來源于《中國統(tǒng)計年鑒》2016年的數(shù)據(jù)[12]。選取1990-2015年的能源消耗量數(shù)據(jù)作為樣本，如表1所示。

根據(jù)本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層選取GDP增長率(P1)、人均生活消費能源(P2)、煤炭生產(chǎn)量占能源生產(chǎn)總量比重(P3)、能源生產(chǎn)總量(P4)、能源加工轉(zhuǎn)換效率(P5)、能源生產(chǎn)彈性系數(shù)(P6)、能源消耗彈性系數(shù)(P7)，輸出層為煤炭量消耗預(yù)測值(Q1)。為提高煤炭量消耗預(yù)測的準(zhǔn)確性，本文對樣本數(shù)據(jù)進(jìn)行歸一化，歸一化采用公式(10)計算。

(10)

在BP神經(jīng)網(wǎng)絡(luò)中，隱層節(jié)點的數(shù)目和層數(shù)選擇對網(wǎng)絡(luò)性能有著重要影響，一般來說，網(wǎng)絡(luò)隱層的層數(shù)越多，所對應(yīng)映射關(guān)系越復(fù)雜，適應(yīng)度就會越高，輸出精度也會越高，但代價是神經(jīng)網(wǎng)絡(luò)訓(xùn)練的速度會變得很慢。與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)單隱層結(jié)構(gòu)不同的是，本文在實驗研究中選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為雙隱層結(jié)構(gòu)，綜合考慮訓(xùn)練誤差、時間等因素。即在第一個隱層包含10個神經(jīng)元，第二個隱層包含1個神經(jīng)元；選擇的訓(xùn)練函數(shù)為“traindx”(動量和自適應(yīng)梯度下降法)函數(shù)；訓(xùn)練誤差設(shè)置為0.0001，允許最大訓(xùn)練次數(shù)為10000次，以及學(xué)習(xí)速率設(shè)置為0.05。因此，本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：7-10-1-1，如圖2所示。

表1 2016年《中國統(tǒng)計年鑒》能源消耗數(shù)據(jù)

圖2雙隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置

以1990-2013年的24組數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，2014年、2015年的數(shù)據(jù)作為測試樣本。采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建煤炭量消耗預(yù)測模型，以MSE(Mean Squared Error)作為誤差性能，誤差訓(xùn)練曲線如圖3所示。

從圖3可以看出，BP神經(jīng)網(wǎng)絡(luò)煤炭量消耗預(yù)測模型進(jìn)過1536次訓(xùn)練達(dá)到收斂。圖4是其回歸分析過程。

圖3 誤差訓(xùn)練曲線

由圖4可以看到，煤炭量消耗預(yù)測模型匹配性非常好，回歸系數(shù)為0.99985，接近1，影響因素和煤炭量消耗存在強(qiáng)相關(guān)。表明該預(yù)測模型具有良好的性能，可用于預(yù)測中國煤炭量消耗。

以2014年、2015年的數(shù)據(jù)為測試數(shù)據(jù)，表2列出了2014年、2015年煤炭量消耗預(yù)測值和實際消耗值，從表中可看出，相對誤差分別為1.02%和1.61%，誤差較小，在可接受范圍內(nèi)，從實例中驗證了本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)煤炭量消耗預(yù)測模型可用來預(yù)測中國能源消耗，具有較高的預(yù)測精度。

同理，根據(jù)本文所構(gòu)建的神經(jīng)網(wǎng)絡(luò)煤炭量消耗預(yù)測模型來預(yù)測中國2016年和2017年的煤炭量消耗，結(jié)果分別為消耗271230和267990萬噸標(biāo)準(zhǔn)煤。從2013-2015年煤炭量消耗實際值和2016年、2017年兩年的煤炭量消耗預(yù)測值，可以看出，中國的煤炭量消耗需求逐年減少，也充分證明了中國能源消費正在從以傳統(tǒng)的煤炭消耗向其他清潔、可持續(xù)能源轉(zhuǎn)型。

圖4 回歸分析過程

年份煤炭量消耗預(yù)測值(萬噸標(biāo)準(zhǔn)煤)煤炭量實際消耗值(萬噸標(biāo)準(zhǔn)煤)相對誤差(%)20142821702793291.02%20152796202752001.61%

3 結(jié)論

BP神經(jīng)網(wǎng)絡(luò)在解決復(fù)雜系統(tǒng)問題時表現(xiàn)出一定的優(yōu)越性，本文根據(jù)煤炭量消耗需求實際情況和影響因素，構(gòu)建了7-10-1-1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)煤炭量消耗預(yù)測模型，并以《中國統(tǒng)計年鑒》2016年數(shù)據(jù)作為樣本進(jìn)行分析和驗證，Matlab實驗結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的煤炭量消耗預(yù)測模型為研究中國能源需求和能源消耗提供了一種新的工具，有利于科學(xué)制定能源政策，統(tǒng)籌能源利用和開發(fā)，保證能源供需平衡，具有廣闊的前景。

[1] 孔繁曄.煤炭清潔利用改革中的博弈分析[J]. 經(jīng)濟(jì)問題， 2017(1):96-102．

[2] 袁亮.煤炭精準(zhǔn)開采科學(xué)構(gòu)想[J]. 煤炭學(xué)報， 2017， 42(1):1-7．

[3] 劉衛(wèi)東， 仲偉周， 石清.2020年中國能源消費總量預(yù)測——基于定基能源消費彈性系數(shù)法[J]. 資源科學(xué)， 2016， 38(4):658-664．

[4] 胡鞍鋼， 鄭云峰， 高宇寧.中國高耗能行業(yè)真實全要素生產(chǎn)率研究(1995—2010)——基于投入產(chǎn)出的視角[J]. 中國工業(yè)經(jīng)濟(jì)， 2015(5):44-56．

[5] Tunckaya Y， Koklukaya E.Comparative prediction analysis of 600MWe coal-fired power plant production rate using statistical and neural-based models[J]. Journal of the Energy Institute， 2015， 88(1):11-18．

[6] 柴巖， 劉翔宇.改進(jìn)的GM(1，1)-LSSVM模型及其在能源消耗預(yù)測中的應(yīng)用[J]. 統(tǒng)計與決策， 2014(17):84-87．

[7] 蘇維均， 楊飛， 崔世杰，等.造紙企業(yè)工藝過程能源消耗預(yù)測仿真[J]. 計算機(jī)仿真， 2016， 33(8):438-442．

[8] 龐家幸， 陳興鵬， 王惠榆.甘肅省能源消耗與經(jīng)濟(jì)增長的關(guān)系研究及能源消耗預(yù)測[J]. 干旱區(qū)資源與環(huán)境， 2014， 28(2):31-36．

[9] 孫學(xué)軍.基于煙草生產(chǎn)的能源消耗預(yù)測模型研究[J]. 安全與環(huán)境學(xué)報， 2016(6):366-370．

[10] Hopfield J J. Neural networks and physical systems with emergent collective computational abilities[M]//Spin Glass Theory and Beyond: An Introduction to the Replica Method and Its Applications. 1987: 411-415.

[11] 胡雪棉.基于BP神經(jīng)網(wǎng)絡(luò)的中國煤炭資源需求預(yù)測模型研究[D]. 太原: 山西財經(jīng)大學(xué)， 2008．

[12] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒2016[R]. 北京：中華人民共和國國家統(tǒng)計局，2016.

(責(zé)任編輯：熊文濤)

F206

A

2095-4824(2017)06-0073-05

2017-09-02

教育部人文社會科學(xué)研究項目(15YJCZH049)；重慶市基礎(chǔ)科學(xué)與前沿技術(shù)研究項目

(cstc2016jcyjA0385，cstc2017jcyjAX0343)；重慶市教委人文社會科學(xué)與研究項目(15SKG133)

龔立雄(1978- )，男，湖北仙桃人，重慶理工大學(xué)機(jī)械工程學(xué)院副教授，博士。

劉世雄(1991- )，男，河北石家莊人，華北電力大學(xué)(保定)能源與動力工程學(xué)院碩士研究生。

王燦林(1979- )，男，湖北監(jiān)利人，深圳市智博翼企業(yè)管理咨詢有限公司工程師。