段宝娜

(郑州财税金融职业学院 基础部，河南 郑州 450048)

基于RBF-ARIMA模型对煤炭消费量的预测研究

段宝娜

(郑州财税金融职业学院 基础部，河南 郑州 450048)

摘要：为了对河南省煤炭消费量进行较为准确的预测，先利用ARIMA模型对河南省煤炭消费量进行初步预测，捕捉线性趋势，然后利用RBF神经网络算法对河南省煤炭消费量预测误差进行修正. 仿真结果表明:组合模型更全面地刻画了煤炭消费量的变化规律，提高了预测精度.

关键词：ARIMA模型；时间序列；煤炭消费量；RBF神经网络

煤炭作为河南省最重要的能源资源，其消费量占全省能源消费总量的80%以上.所以，预测与分析河南省煤炭的消费量显得尤为重要，可为合理安排煤炭生产、科学制定能源规划等提供依据.

本文采用自回归求和滑动平均(ARIMA)与RBF神经网络的组合模型研究和预测河南省煤炭消费问题，充分发挥这两种模型的优势以提高预测的精度.

1模型原理

1.1ARIMA模型简介

ARIMA(p,d,q)模型又称求和自回归移动平均模型. 其实质是差分运算与ARMA模型的组合. 也即任何非平稳序列只要通过适当阶数的差分运算实现差分后平稳，就可以对差分后序列进行ARMA模型的拟合.

1.1.1ARIMA模型结构

ARIMA(p,d,q)模型为：

式中，B为后移算子，d是差分阶数，φp为自回归算子(p为自回归的阶数)，θq为移动平均算子(q是移动平均的阶数)，αt为零均值白噪声序列.

1.1.2ARIMA模型建模关键步骤

首先对样本数据进行平稳性检验，若序列不满足平稳，可通过差分变换或对数差分变换使其平稳；……