中国2020-凯发网址

　　中国2020-2030年石油资源需求情景预测

　　1 引 言

　　 石油资源作为能源体系中的重要组成部分，在军事安全、经济和社会等方面具有重要影响。中国石油对外依存度在2015年突破60%．2018年原油进口依存度达到71%，远超过50%的国际警戒线。中国石油供需缺口大，石油供应安全存在较大风险。从2017年起，美国石油产量跃居世界第一，力图建立以其为主导的世界石油发展新秩序，中国能源安全将面临严峻的国际政治风险。石油供给稳定是关系国家能源安全的关键因素，分析中国未来石油资源需求情景，对国家能源政策的制定具有十分重要的参考意义：

　　 国内外学者对石油资源需求预测提出了一些方法，主要分为两大类：一是对石油需求的机理研究，如从经济增长、产业结构、国际石油价格、机动车保有量、碳排放、城镇化水平、技术进步和石油生产量等角度分析中国石油需求的变化趋势。二是经验研究模型，利用数据分析等算法探索中国石油需求变化规律，并对未来值进行预测，主流的模型有比较分析法、系统动力学、灰色系统理论、协整分析和bp神经网络等。

　　 单一的预测模型在反映数据信息上有限，预测结果精度不及组合预测模型。近些年大量学者利用组合预测模型对能源需求进行预测，如陈海涛、孙梅等、唐丽芳和李振宇等分别采用系统动力学和灰色关联模型、神经网络和卡尔曼算法、cpso-svm模型以及因子分析和logistic模型对中国石油需求进行预测，但均没有对数据序列的线性与非线性关系进行分析。时间序列预测中，arima模型对平稳序列的线性关系拟合效果显著，成为主要预测方法，且常结合其他模型一起进行预测，以提高预测水平。非线性预测模型中，bp神经网络模型在挖掘数据信息中的非线性关系方面具有强大的优势，在中长期预测中应用较为普遍。赵成柏等和谢小军等基于arima模型与bp神经网络组合模型分别对中国碳排放强度和广西能源消费进行中长期预测，证实组合模型比单一模型预测精度更高。

　　 结合arima模型和bp神经网络进行情景分析的研究较少，现有国内文献中将其应用于中国石油资源需求情景预测中尚未见到。本文采用 arima-bp神经网络组合模型，选取中国gdp、国际石油价格、单位gdp能耗、产业结构、城镇化率、石油生产量等关键变量，预测中国2020-2030年不同情景下的石油需求量和石油进口量。

　　 本文主要的边际贡献：①基于经济理论分析，选取了影响中国石油资源需求的6个驱动变量，利用灰色关联分析法进行了变量重要程度论证，为变量选取提供了创新性的方法支持。②构建了 arima-bp神经网络组合预测模型，与单一 arima模型、bp神经网络模型相比，提高了预测精度；对石油资源需求情景进行了定义，设置了主要驱动变量2020-2030年情景，利用组合预测模型进行了情景预测。

　　2 研究方法与数据来源

　　2.1研究方法

　　 arima模型能够根据时间序列数据信息，揭示动态数据内部发展规律，建立比较精确的数学模型，也能对系统的未来变化进行预测。该模型对时间序列数据的线性相关性预测效果较好，但对数据的非线性信息挖掘效果欠佳。

　　 bp神经网络能反映数据信息间多维映射关系，具有信号前向传播、误差反向传播的特点。即信息从输入层输入，由第一个隐含层先进行数据处理，处理的数据再输入下一个隐含层处理，以此类推，得到最终数据由输出层输出，将输出数据与预期值进行对比，得到误差。将误差反向由输出层、隐含层、输入层进行数据处理，期间网络连接的权值重新调整，直至得到新信息至输出层输出。其优势在处理多元非线性数据上预测结果精度高。

　　 单以arima和bp模型进行预测可能出现预测偏差较大结果，将arima模型的线性预测和bp神经网络的非线性预测优势组合起来，发挥各自的优势，达到提高预测效果的目的。因此，本文选用基于残差优化的arima-bp神经网络组合模型对中国石油需求量进行情景预测，即运用arima模型得出残差序列，与原数据序列带人bp神经网络中进行预测。

　　2.2驱动变量选择与样本数据

　　 根据前述文献结合经济理论分析，选取以下6个影响中国石油需求的驱动变量：①中国gdp。经济发展直接影响能源消费量，故gdp是影响石油需求的重要因素。②国际石油价格。石油价格对石油需求具有负效应，预测模型中需要加入价格因素。③单位gdp能耗。技术进步有助于提高能源使用效率，进而影响能源需求量，故单位gdp能耗是影响中国石油需求量的因素之一。④产业结构（第二产业增加值/gdp）。石油主要应用于工业领域，产业结构中工业占比是影响石油需求的主要因素。⑤城镇化率。城市化进程推动基础设施建设，促进交通、建筑等行业的发展，石油需求量增加，城镇化率在中国石油需求预测中起着不可忽视的作用。⑥石油生产量。供给影响需求，石油具有不可再生性，未来的石油需求量预测应考虑石油产量。表1为6个变量1999-2018年的数据。

　　 为了进一步验证石油需求预测驱动变量的可行性，还需利用统计方法对数据进行检验，本文采用灰色关联分析法进行分析。其原理是随着时间的推移，根据两因素的变化趋势相近程度，判断其关联程度。趋势越相近，关联度越高，反之越小。

　　3 情景预测

　　3.1 预测模型选择

　　3.1.1 建立arima模型

　　 arima(p，d，q)模型中，p为自回归阶数，d为数据差分次数，q为移动平均阶数。建立arima模型，首先，对原数据取对数并利用eviews9.0进行 adf (augmented dickey-fuller)检验，判断数据平稳性。检验结果如表3所列，表明中国石油需求量在一阶差分下平稳，确定差分次数d为1。对该序列进行白噪声检验，结果得出为非白噪声序列，故可以对该序列进行建模。

　　 其次，利用spss19.0进行相关性和偏相关性分析，初步确定自回归阶数p为4和5，移动平均阶数g为1和0，经过多次试验，当p取5，g取0时，自回归ar的各滞后阶数t值都通过，且该模型的r2为0.995，因此arima模型的参数最优，故确定arima模型为(5，1，0)。

　　 最后，对该模型进行检验和预测，为判断模型的有效性，对arima(5，l，0)模型的残差进行相关性检验。该模型的残差acf (autocorrelation function)和pacf( partialautocorrelation function)都不显著，表明估计出的残差是纯随机的，模型提取信息充分。用该模型对中国石油需求量进行预测。

　　3 .1.2 建立arima-bp模型

　　 采用matlab (2016)软件编程，运用newff函数构建网络。先将数据进行归一化，再采用试凑法确定隐含层节点数最优数量为9，设置学习步数为50 000，学习速率为0.1，最大误差为0.001，建立7-9-1的bp神经网络模型。把arima预测误差和中国 gdp、国际石油价格、单位gdp能耗、产业结构、城镇化率和石油生产量作为输入，石油需求量为输出，进行bp神经网络模型的训练，图5显示训练误差可以达到0.000001，网络建立有效。用此模型对中国石油需求量进行预测。

　　3.1.3 3种预测模型比较

　　 分别将arima模型、bp神经网络以及组合模型对中国石油需求量进行预测，得到3种模型的相对预测误差，并进行对比分析。

　　 基于组合模型的中国石油需求量预测结果比单一模型的预测结果更接近于实际采集的数据，准确性较高，因此本文将组合模型应用于中国石油需求情景分析。

　　3.2情景设定

　　3.2.1 石油资源需求情景定义

　　 参考李振宇等的情景设置方法，由于石油生产量未来变化趋势不明显，根据其他5个驱动变量设置以下3种情景。

　　 高情景(a):未来10年中国经济保持中高速增长，国际石油价格迅速上升；资源使用效率显著提高，单位gdp能耗明显下降；产业结构调整升级加速推进，城镇化加快发展，对石油需求的增幅较大。

　　 基准情景(b):未来10年中国经济平稳发展，国际石油价格温和上升，单位gdp能耗有所下降，产业结构调整升级和城镇化稳步推进，对石油需求的增幅较小。

　　 低情景(c):未来10年中国经济减速增长，国际石油价格保持平稳，增幅较小，资源使用效率提高不显著，单位gdp能耗下降不明显，城镇化发展缓慢，对石油需求的增幅很小。

　　3.2.2 驱动变量2020-2030年情景设置

　　 (1)中国gdp。影响gdp增长的因素错综复杂。按照当前中国经济高质量发展政策，未来经济增长将保持或者放缓增长。世界银行、国务院发展研究中心预测中国2016-2020年、2021-2025年和2026-2030年经济年均增长率依次为7%、5.9%和5%；宏观经济研究院预测“十三五”期间中国经济增速在7%左右。参考上述研究和李振宇等8一对中国未来经济增长速度的设置，结合当前中国经济增长放缓的趋势，将2020年高情景(a)gdp增长率设为7%，2025年基准情景(b) gdp增长率设为6%，2030年低情景(c)gdp增长率设为5%，各情景其他年份gdp增长率按照0.3个百分点的变动幅度进行设置。

　　 (2)国际石油价格。国际能源机构预计2030年之前国际油价将维持在每桶50～70美元水平，根据bp能源统计年鉴数据，测算出1999-2018年国际石油价格增长率。

　　 (3)单位gdp能耗。影响能源消费的主要原因是经济总量。根据1999-2018年中国gdp与能源消费总量的历史数据，利用eviews9.0对中国能源消费总量和gdp进行回归分析，修正后的方程为： iny,=6.044001 0.5184661nx， r2=0.953413,(1)式中：y和x分别表示为中国能源消费总量和gdp，in y，和inx分别为其对数，6.04401和0.518466对应的t检验值分别为17.68203和19.19306。

　　 根据公式(1)得到中国未来能源消费总量情景设置。

　　 (4)产业结构。2018年中国第二产业比重为40.7%，中国产业结构已进入加速调整时期。胡鞍钢等认为，中国第二产业比重在2030年将下降到30%～36%。吴青龙等将2030年中国产业结构优化后的第二产业比重设定38.7%为低速率，30%/为高速率，其均值为中速。1999-2018年中国第二产业比重年均下降0.560/0.2009-2018年年均下降1.41%，由此，设置2030年高情景(a)第二产业比重30%，低情景(c)为36.35%，基准情景(b)为33.74%；基准情景(b)2020年第二产业比重下降1%，高情景和低情景适当调整增长率。

　　 (5)城镇化率。根据“十三五”规划预测，2020年中国城镇化率将达到60%，故设置2020年低情景(c)和基准情景(b)城镇化率分别按照0.5%和1.0010的增长率变动，计算为60.18010和60.78%：高情景(a)城镇化水平略高，设置增长率为1.5%：参照已有研究，2025年基准情景(b)城镇化率为64.83%，其他2个情景类似设置：参照吴青龙等的研究，设置2030年3种情景的变动幅度。

　　 (6)石油生产量。禤伟旗等预测2020年中国石油生产量为2亿t左右，中国石油经济技术研究院预测中国石油生产量在2030年将维持在2亿t。根据《bp世界能源统计年鉴》数据核算出中国近20年的石油生产量增长率，设置2020年中国石油生产量高情景(a)、基准情景(b)和低情景(c)分别以0.5%、0.3%和0.1%速率增长，2025年和2030年设置上浮0.25%。

　　3.3 arima误差预测

　　 基于组合模型预测的方法，arima预测误差将作为bp神经网络输入变量，因此需要对该变量进行预测，并设置未来情景。参照张宇青等、陈蔚和谢小军等预测arima误差的做法，基于滚动建模法，结合bp神经网络对误差进行训练和预测。

　　 运用matlab (2016)对中国石油需求量 arima预测误差进行建模，设置网络输入与输出节点为5和1，第一层和第二层连接函数为正切函数，第三层为线性函数，共轭梯度法为训练函数，经多次学习和训练，当目标值误差收敛在一个很小的值时，网络建立有效，最终确定最优网络结构为5-5- l。将2014-2018年的误差输人建立的网络中，得到2019年的误差值；再输入2015-2019年的误差，得到2020年的误差值，以此类推，得到2020-2030年arima误差预测值。将上述方法得到的误差预测值设为基准情景(b)，依据1999-2018年预测平均相对误差绝对值为1.96%，对低情景(c)和高情景(a)分别设置上下浮动1.96个百分点。

　　3.4预测结果分析

　　 基于上述构建好的组合模型，将各情景预测值带入网络中进行预测，最后对输出结果进行反归一化，得到中国石油需求量未来预测值。从需求角度来看，石油进口量是石油需求量的重要组成部分，其影响因素与石油需求量类似。石油进口量预测模型构建过程和石油需求量基本一致。

　　 2020-2030年我国石油对外依存度均值大于当前的对外依存度，说明未来中国石油供需矛盾更加尖锐，石油安全存在较大风险。中国经济发展速度、国际石油价格波动、单位gdp能耗变化、产业结构调整、城镇化进程和石油生产情况对中国石油需求产生一定的影响。在一定程度上，运用情景分析法对中国石油需求进行预测，具有较好的参考价值和实际意义。

　　3.5本文预测结果与其他机构的比较分析

　　 以基础情景b为例，本文预测结果与国际能源署(international energy agency，iea)和美国能源信息管理局(u．s．energyinformation administration, eia)的预测结果相近，因此，本文预测结果具有较好的科学性与可信度。

　　4 结论与政策建议

　　 本文在选取影响中国石油需求量的6个驱动变量基础上，基于灰色关联分析法对影响变量合理性进行判断，验证了选取的驱动变量与中国石油需求具有较高的关联性；依据arima模型和bp神经网络的预测优势，对比两个单一模型和组合模型对中国石油需求量预测的相对误差，选择预测精度较高的arima-bp组合模型进行建模；再结合情景分析法对中国未来石油资源需求量和进口量进行预测，预测结果与国际能源署和美国能源信息管理局的预测结果相近，具有较好的科学性与可信度。主要研究结论如下：

　　 (1)城镇化率、石油生产量和中国gdp对我国石油需求量影响较大，国际石油价格、产业结构和单位gdp能耗对石油需求量的影响次之。

　　 (2)2020-2030年中国石油需求量和进口量不断增加，但增长幅度逐渐减缓。2020年、2025年和2030年预测的中国石油需求量3种情景均值分别为67 577.03万t、73 227.25万t和76081.55万t，增长幅度由8.36%降至3.9%。2020-2030年预测3种情景平均对外依存度为76.19%，远超过50%的国际警戒线且大于当前的对外依存度，未来10年我国石油供需矛盾将更加尖锐。

　　 (3)综合3种情景来看，城镇化率和经济增长水平较高时，中国石油需求量较大；石油生产量和国际石油价格水平较高时，中国石油进口量、需求量增长明显减缓；第二产业占比和单位gdp能耗水平较低时，中国石油需求量明显降低。

　　 基于上述结论，本文提出如下建议：

　　 (1)针对国内石油产业的建议。大力加强石油地质勘查工作，大幅增加勘探资金投入，以增加石油探明地质储量，在延长服务年限的同时扩大石油生产规模；加强石油开采技术创新，增加研发人力与资本投入，提高石油采收率；鼓励石油产业升级，延长石油产业链，提高石油使用效率。

　　 (2)针对国际石油价格不稳定的建议。增加石油战略储备和商业储备，以应对国际油价上涨带来的冲击，保障我国石油安全。

　　 (3)针对城镇化进程加快和中国经济增长带来石油需求大幅增长的建议。合理规划城镇化进程和经济增长水平；持续推进供给侧结构性改革，改造高能耗产业，有效实现节能降耗；积极寻找、大力发展石油替代能源产业。

　　 (4)针对海外石油勘探开发的建议。进一步加强海外石油勘探开发力度；与目前主要石油供应国建立良好供应关系的同时，适度拓展较远进口来源国的供应渠道；加强石油进口管道基础设施建设，吸引更多社会资本参与投资。

　　                               摘自《地球科学进展》2020第35卷第3期