神經(jīng)網(wǎng)絡(luò)和卡爾曼算法在石油需求時(shí)間序列中的分析與應(yīng)用.pdf

1、中國(guó)既是發(fā)展中的石油消費(fèi)大國(guó)，同時(shí)又是人均占有石油資源相對(duì)貧乏的國(guó)家。近年來(lái)，我國(guó)的石油對(duì)外依存度不斷攀升，從本世紀(jì)初的32％上升至目前的57％。需求的巨大缺口和供給的風(fēng)險(xiǎn)，直接影響到整個(gè)國(guó)內(nèi)石油供應(yīng)安全。因此準(zhǔn)確地估計(jì)石油消費(fèi)，對(duì)國(guó)家石油需求和相關(guān)市場(chǎng)的操作運(yùn)行有著至關(guān)重要的意義。
　　 本文通過研究中國(guó)1978年到2009年影響石油需求時(shí)間序列的相關(guān)指標(biāo)數(shù)據(jù)，首先采用廣義回歸神經(jīng)網(wǎng)絡(luò)和誤差反向傳播神經(jīng)網(wǎng)絡(luò)(GRNN和BPNN

2、)方法對(duì)中國(guó)石油需求時(shí)間序列進(jìn)行預(yù)測(cè);其次以狀態(tài)空間模型為框架建立時(shí)間序列預(yù)測(cè)模型，并利用Kalman濾波和Rauch-Tung-Striebel(RTS)平滑算法對(duì)時(shí)間序列模型進(jìn)行估測(cè)。具體研究?jī)?nèi)容主要分為以下兩部分:
　　 第一部分:首先分析中國(guó)1978年到2009年影響石油需求時(shí)間序列相關(guān)指標(biāo)數(shù)據(jù)并將指標(biāo)分成三組，每組指標(biāo)的數(shù)據(jù)分別用廣義回歸神經(jīng)網(wǎng)絡(luò)和誤差反向傳播神經(jīng)網(wǎng)絡(luò)(GRNN和BPNN)方法對(duì)中國(guó)石油需求時(shí)間序列進(jìn)行

3、預(yù)測(cè)，并對(duì)其預(yù)測(cè)結(jié)果進(jìn)行比較。同時(shí)，用主成分回歸分析方法對(duì)影響石油需求時(shí)間序列的相關(guān)因素建立線性回歸方程，并分析了其相關(guān)因素對(duì)石油需求時(shí)間序列的影響。
　　 第二部分:應(yīng)用神經(jīng)網(wǎng)絡(luò)平均影響值(MIV，MeanImpactValue)方法，從中國(guó)1978年到2009年影響石油需求時(shí)間序列相關(guān)指標(biāo)數(shù)據(jù)中篩選出對(duì)石油需求時(shí)間序列影響最大的五個(gè)變量;隨后，通過神經(jīng)網(wǎng)絡(luò)以及AIC準(zhǔn)則(Akaikeinformationcriterion)