神經網絡和卡爾曼算法在石油需求時間序列中的分析與應用.pdf

1、中國既是發(fā)展中的石油消費大國，同時又是人均占有石油資源相對貧乏的國家。近年來，我國的石油對外依存度不斷攀升，從本世紀初的32％上升至目前的57％。需求的巨大缺口和供給的風險，直接影響到整個國內石油供應安全。因此準確地估計石油消費，對國家石油需求和相關市場的操作運行有著至關重要的意義。
　　 本文通過研究中國1978年到2009年影響石油需求時間序列的相關指標數據，首先采用廣義回歸神經網絡和誤差反向傳播神經網絡(GRNN和BPNN

2、)方法對中國石油需求時間序列進行預測;其次以狀態(tài)空間模型為框架建立時間序列預測模型，并利用Kalman濾波和Rauch-Tung-Striebel(RTS)平滑算法對時間序列模型進行估測。具體研究內容主要分為以下兩部分:
　　 第一部分:首先分析中國1978年到2009年影響石油需求時間序列相關指標數據并將指標分成三組，每組指標的數據分別用廣義回歸神經網絡和誤差反向傳播神經網絡(GRNN和BPNN)方法對中國石油需求時間序列進行

3、預測，并對其預測結果進行比較。同時，用主成分回歸分析方法對影響石油需求時間序列的相關因素建立線性回歸方程，并分析了其相關因素對石油需求時間序列的影響。
　　 第二部分:應用神經網絡平均影響值(MIV，MeanImpactValue)方法，從中國1978年到2009年影響石油需求時間序列相關指標數據中篩選出對石油需求時間序列影響最大的五個變量;隨后，通過神經網絡以及AIC準則(Akaikeinformationcriterion)