政策冲击影响下中国能源消费预测分析及控制策略

花 玲，谢乃明

（南京航空航天大学经济与管理学院，江苏南京211106）

政策冲击影响下中国能源消费预测分析及控制策略

花 玲，谢乃明

（南京航空航天大学经济与管理学院，江苏南京211106）

本文运用缓冲算子和灰色GM（1，1）模型，对中国能源消费总量和单位GDP能耗进行了模拟和预测，在能源消费预测结果的基础上，构建了两种控制策略模型，并以中国单位GDP能耗预测为例进行了算例分析。研究结果表明，灰色模型较好地模拟和预测了中国能源消费总量和单位GDP能耗。中国在“十二五”期间的节能潜力很大，能顺利完成能源消费总量的指标。“十二五”安全控制策略为［0.48，1），即国家在“十二五”期间的控制力度应调整为“十一五”控制力度的0.48～1倍之间。

能源；政策冲击；缓冲算子；GM（1，1）模型；控制策略

1 引言

能源是一个国家经济发展的重要物质基础，中国一直是能源消费大国，在“2012中美清洁能源论坛”上，国家能源局原局长张国宝公开表示，近年来中国能源消费增长较快，2011年的一次能源消费总量已超过美国，这预示着中国已经成为世界第一大能源消费国。虽然中国能源消费持续增长，但是“高耗能，低产出”的能源消费模式使中国在国际上长期处于劣势地位。因此，在保持经济稳定发展的前提下，节能减排、降低单位GDP能耗是当务之急。中国在“十一五”规划中首次对全国及各地区的单位GDP能耗和能源结构层次提出了明确的约束性目标并取得一定的成果。在政策冲击的影响下，“十一五”规划期间（2006～2010年）中国能源消费总量缓慢递增，单位GDP能耗逐年下降，2010年降至最低为1.034吨标准煤/万元；能源消费结构层次缓慢趋向优化，具体表现为化石能源比重下降，非化石能源比重逐步上升，其中煤炭比重在2010年降至最低为68%，原油比重在2009年降至最低为17.9%，天然气和其他能源（主要是可再生能源，包括水电，核电，风电）比重在2010年均上升至最高分别为4.4%和8.6%；“十一五”时期全国单位国内生产总值能耗降低19.1%，完成了“十一五”规划《纲要》确定的约束性目标。从各地区完成节能目标情况看，除对新疆另行考核外，其他地区均完成了“十一五”国家下达的节能目标任务，有28个地区超额完成了“十一五”节能目标任务，超额完成目标较多的10个地区分别为：北京（超额32.95%，下同）、天津（5%）、山西（3%）、内蒙古（2.82%）、黑龙江（3.95%）、福建（2.81%）、湖北（8.35%）、广东（2.63%）、重庆（4.75%）、云南（2.41%）。在“十一五”能源规划顺利完成之际，全国各地区又迎来了“十二五”节能新目标，这时存在两方面的问题，一个是中国能否顺利完成“十二五”能源规划任务，另一个是基于“十一五”的控制力度，国家及政府将如何调整控制力度以保证“十二五”能源规划严格按照规划目标完成。

国内外关于能源消费方面的研究，早期主要集中在能源消费与经济增长相互关系的验证上。较早研究能源消费与经济增长长期关系的是Kraft和Kraft［1］，他们利用1947～1974年美国数据进行实证分析，认为CNP到能源消费存在单向因果关系。研究能源消费与经济增长因果关系最常用的方法是Granger因果检验法，后来Engle和Granger［2-3］对Granger因果检验法做了拓展提出了E～G两步法。Yu和Jin［4］则使用E～G两步法对1974～1990年的美国季度数据进行检验，结果表明，能源消费与收入或就业之间不存在长期协整均衡关系。之后还

产生了其他研究能源消费与经济增长关系的方法，如灰色关联分析等。相比于国外的研究，国内的学者在能源消费与经济增长实证研究上起步较晚，目前关于两者实证研究主要侧重于两方面：数据选取和实证方法研究。从数据选取上看，不同于国外学者选取的国家数据，国内学者多选取各省市的能源消费和经济增长数据进行研究。陈海燕等［5］运用协整理论和因果关系检验理论，研究北京市1985～2006年的能源消费与经济增长关系。王艳青等［6］以河南省为例，基于能源、资本、劳动力三要素的CD生产函数了构建了能源消费与经济增长间关系模型，并采用协整分析和格兰杰因果关系检验方法，分析了能源消费对GDP的影响。除此以外，还有对甘肃省［7］、广东省［8］、湖南省［9］、山东省［10］、山西省［11］、陕西省［12］、江苏省［13］、天津市［14］等省市的能源消费与经济增长关系的研究。还有一些学者研究区域能源消费与经济增长关系。蔡旭娜和赖川波［15］对我国八大经济区域经济增长与能源消费关系进行研究，得出不同地区能源消费特性对经济增长速度的长期影响程度不同。中国人民大学区域与城市经济研究所课题组对1990～2008年长三角地区能源消费与经济增长关系进行实证分析［16］。在实证方法研究方面，除了延续国外的Granger因果检验法［17］、和灰色关联分析［18］等传统方法，国内学者试图运用新方法对能源消费与经济增长的关系进行研究。孙海涛和宋荣兴［19］基于误差修正模型理论，从变量的平稳性检验、变量间的因果关系检验、变量间的协整检验和误差修改模型角度，利用我国1978～2009年能源消费总量和国民生产总量数据进行实证研究。王思斯等［20］利用更具稳健性小样本特性的自回归分析滞后（ARDL）模型和Toda-Yamamoto因果检验方法，从国家总体的和三次产业的角度实证研究了能源消费与经济增长的互动关系。马颖［21］运用马尔科夫区志转移向量自回归（MSVAR）模型再次对中国1978～2010年期间的能源消费与经济增长之间的关系进行了研究，研究结果表明能源消费与经济增长之间的关系会随状态不同而改变。在国内国际环境有利于能源消费的稳定状态下，能源消费是经济增长的原因，在国际国内环境较不利于能源消费的不稳定状态下，经济增长是能源消费的原因。李小波和苏怡莲［22］从内生经济增长理论入手，探讨了经济增长、资本、劳动和能源消费之间的关系，同时利用分位数回归方法进行实证研究，结果说明：不同的经济增长水平下，能源消费产出弹性为负。赵湘莲等［23］以空间地理视角，通过空间计量分析，探索了我国31个省市（不含香港、澳门和台湾）能源消费对经济增长驱动作用，并建立包括地区生产总值、能源消耗、劳动力、资本存量与第二产业产值的空间滞后模型与空间误差模型。王火根和沈利生［24］引入空间面板回归模型研究中国各省市区经济增长和能源消费的关系，利用matlab软件及其spatial econometric模型建立和比较传统面板回归模型与空间面板回归模型，结果表明空间面板回归模型较传统面板回归模型优越。

能源消费与经济增长相互关系的实证研究已经相当透彻，目前关于能源消费预测及预测方法的研究已成为新的热点。国外的学者在能源消费预测方面已经取得一定的研究成果。Sözen等［25］运用人工神经网络方法得到预测能源消费净量的公式，结果表明运用人工神经网络方法得到的能源消费净量的预测值误差很小。Pao［26］用线性规划和非线性人工神经网络模型分析四种经济因素（包括国民收入，人口，GDP和CPI）是如何影响电能消费量并且构建了一个经济预测模型，两种模型都得出人口和国民收入对电力消费量的影响最大，而GDP对其影响最小，预测结果显示人工神经网络法比线性规划方法误差小，预测精度更强。Adams和Shachmurove［27］构建了基于能源平衡的中国能源经济模型并用该模型预测到2020年的中国能源消费量和进口量，结果表明中国将提高对石油、煤炭、天然气的进口量。Yayar等［28］用ANFIS和ARIMA两种方法预测托卡特省电能需求，结果显示在预测电能消费时ANFIS方法优于ARIMA。Li Junchen等［29］用系统动力模型预测未来天然气在中国主要能源消费中成为煤炭重要的替代能源的趋势并用情景分析法来评估结果的正确性。相比于国外学者，除了ARIMA模型［30-32］，国内学者更倾向于使用灰色模型和组合模型对能源消费进行预测研究。谢妍等［33］结合某省能源消费的历史数据，用灰色系统理论建立了GM（1，1）预测模型，在此基础上引入遗传算法对该灰色预测模型参数进行优化以获得更为精确的能源预测模型和预测值，预测结果表明模型可以作为能源消费预测的有效工具。李亮等［34］结合某省能源消费历史数据用灰色预测和神经网络建立了单项预测模型，再采用最优组合权重的方法进行优化组合，获得更为精确的预测模型和预测值。还有其他一些新方法也被应用于能源消费预测中，如：logistic模型［35］和Log-GMDH［36］等模型。总之，目前这些关于能源预测及预测方法的研究多是改进或组合预测模型以期取得更高的预测精度和预测效果。

本文基于传统的能源预测方法GM（1，1）模型，结合缓冲算子量化政策冲击的影响，对中国能源消费总量和单位GDP能耗进行了模拟和预测，以解决中国能否顺利完成“十二五”能源规划任务的问题。

虽然目前国内外学者对能源消费预测及预测方法进行了广泛的研究，但是缺乏对政府在能源消费中决策行为的关注：大部分的学者只局限于能源预测精度提高的方法研究，而预测的价值在于辅助决策，我们更应关注政府在能源消费中的决策行为，用预测信息为其决策提供参考。

为此，本文在能源消费预测结果的基础上，构建了两种控制策略模型，以期解决国家及政府如何调整控制力度以保证“十二五”能源规划严格按照规划目标完成的问题。

2 能源预测模型

本文所运用的能源消费预测模型有两种：GM（1，1）模型和基于缓冲算子的GM（1，1）模型。由于基于缓冲算子的GM（1，1）模型只比GM（1，1）模型多了缓冲序列生产这一步骤，其他均相同，因此，这里只给出基于缓冲算子的GM（1，1）模型求解过程。

基于缓冲算子的GM（1，1）模型求解过程［37］：

步骤1 原始序列数据获取。获取非负序列：

其中，x（0）（k）≥0，k=1，2，…，n；

步骤2 缓冲序列数据生成。选择合适的缓冲算子D，得到一阶缓冲序列X（0）D=（x（0）（1）d，x（0）（2）d，… ，x（0）（n）d），另 记 为 X′（0）=（x′（0）（1），x′（0）（2），…，x′（0）（n）），其中x′（0）（k）= x（0）（k）d，k=1，2，…，n；

步骤3 1-AGO序列生成。对X（0）D进行累加生成获得1-AGO序列X′（1）：

步骤4 紧邻均值序列生成。对X′（1）进行紧邻均值生成获得紧邻均值生成序列：

步骤5 参数求解。

则GM（1，1）模型x′（0）（k）+az（1）（k）=b的最小二乘估计参数列满足=（BTB）-1BTY；

步骤6 时间响应函数。

步骤8 数据模拟和预测。根据步骤7所获取的一次累加生成序列，累减可得：

步骤7 时间响应序列。根据步骤6，获取时间响应序列为：

3 中国能源消费预测及分析

3.1 数据选取及处理说明

在本节中，我们选取的2002～2011年中国能源消费总量数据来自《中国统计年鉴2011》，由于灰色模型适用于小样本的预测，因此选取近10年的中国能源消费总量数据（见表1）。我们选取的2005～2010年中国单位GDP能耗数据来自《中国环境统计年鉴2010》，由于统计年鉴中GDP选取基年的不同（2005年之前的GDP是以2000年的价格计算的，2005年以后是以2005年价格计算），因此只选取2005～2010年单位GDP能耗数据（见表1）。

在预测中国能源消费总量时，由于从2005年开始中国能源消费受到政策冲击，如果直接用传统的GM（1，1）方法预测“十二五”期间能源消费总量显然是不合理的，因此，为了量化政策冲击的影响，需要对数据进行预处理——缓冲处理。首先对2002～2011年的能源消费总量进行缓冲处理，然后用处理后的数据构建GM（1，1）模型得到2002～2011年的能源消费总量拟合值，并用2002～2011年的预测值比对实际值进行拟合误差分析，最后得到“十二五”规划后续四年（2012～2015年）的能源消费总量预测值。

表1 中国能源消费数据

在预测中国单位GDP能耗时，我们考虑两种情况，一种情况是国家在“十二五”期间停止控制力度，另一种情况是国家在“十二五”期间延续“十一五”的控制力度。由于能源政策冲击影响的实质是国家在宏观层面对能源消费的控制力度，如果国家在“十二五”期间停止控制力度，那么系统在“十一五”期间所受的冲击扰动影响将消失，因此，为了真实的反应未来的数据变化，需使用缓冲算子来表示原有冲击扰动的消失。首先根据2005～2010年中国单位GDP能耗数据分别构建基于缓冲算子的GM（1，1）模型和GM（1，1）模型求得两种情况下的拟合值，然后对比实际值进行拟合误差分析，最后求得两种情况下2011～2015年单位GDP能耗的预测值。

3.2 中国能源消费总量预测

根据2002～2011年中国能源消费总量数据（见表1），我国传统能源消费总量分别为：

X={159431，183792，213456，235997，258676，280508，291448，306647，324939，348000｝

通过缓冲算子：

XD=（x（1）d，x（2）d，…，x（n）d）

其中：

可得到：

XD={271495.9，282458.6，292316.4，301703，310308.4，317758.5，326528.7，336469.5，348000｝

根据缓冲序列数据构建GM（1，1）模型，求的a =-0.029701，b=262375.297424，从而时间响应序列为：

累减还原，可以得到拟合效果表如表2所示。

根据表2的计算结果，两种方法的拟合平均误差分别为0.38%和2.93%，基于缓冲算子的GM（1，1）方法模拟效果明显优于传统GM（1，1）方法。以本文构建的方法进行预测，2012～2015年中国能源消费总量继续保持缓慢增长趋势，到2015年能源消费总量将达到391550.42万吨标准煤（见表3）。根据2011年首次透露的“十二五”能源规划量化指标“2015年国内非化石能源将达4.7亿吨标煤，约占能源消费总量11.5%”，可以得出2015年规划的能源消费总量为408695.65万吨标准煤。比较能源消费总量的预测值和规划值，我们可以预计中国在“十二五”期间的节能潜力很大，能顺利完成能源消费总量的指标。

表2 中国能源消费总量模拟效果检验表 （单位：万吨标准煤）

表3 中国能源消费总量预测（单位：万吨标准煤）

3.3 中国能源单位GDP能耗预测

假设国家在“十二五”期间停止控制力度，根据2005～2010年中国单位GDP能耗数据（见图2），构建基于缓冲算子的GM（1，1）模型，求得模拟值（见表4）和预测值（见表5）。

假设国家在“十二五”期间延续“十一五”的控制力度，则无需缓冲算子排出冲击扰动波对系统的影响，直接构建GM（1，1）模型，求得模拟值（见表4）和预测值（见表5）。

表4 中国能源单位GDP能耗模拟结果 （单位：吨标准煤/万元）

表5 中国能源单位GDP能耗预测值（单位：吨标准煤/万元）

根据模型的计算结果进行分析，中国在停止控制和延续控制两种情况下单位GDP能耗模拟平均误差分别为0.15%和0.41%，模拟效果较好，分别做预测，得到在停止控制的情况下，到2015中国能源单位GDP能耗为0.925吨标准煤/万元，而在延续控制的情况下，则降为0.827吨标准煤/万元。

“十二五”节能目标要求到2015年，全国万元国内生产总值能耗下降到0.869吨标准煤（按2005年价格计算），比2010年的1.034吨标准煤下降16%，比2005年的1.276吨标准煤下降32%。对比上表中的结果可以看出：如果国家在“十二五”期间停止控制力度，则无法完成“十二五”单位GDP能耗的指标；如果国家在“十二五”期间延续“十一五”的控制力度，又将超额完成计划指标。

因此，为了能够按照“十二五”能源规划的计划进度进行节能工作，国家需要将控制力度调整到合适的范围内。

4 基于能源消费预测的控制策略模型

控制力度是一个较为抽象的概念，因此在大多数时候国家（或地方政府）都会凭借经验或参考前一时期的策略做出调整方案，准确性较差，常常出现前怠后紧的问题。为了使国家（或地方政府）在制定控制策略时有一个的量化依据，我们需要构建控制策略模型。

模型1（图1）：假设O点所处年份为政策冲击影响的初始年，OC折线段为该时期停止控制下的预测指标值，OB折线段为计划目标值，OA折线段为延续前段时期控制下的预测指标值。在C点构建坐标轴，竖轴代表控制力度，用P表示，记C点的控制力度PC为0，A点的控制力度PA为1，安全控制策略记为S。

模型2（图2）：假设O点所处年份为政策冲击影响的初始年，OC折线段为该时期停止控制下的预测指标值，OB折线段为延续前段时期控制下的预测指标值，OA折线段为计划目标值，超额完成的最高限度为ε%。在C点构建坐标轴，竖轴代表控制力度，用P表示，记C点的控制力度PC为0，B点的控制力度PB为1，安全控制策略记为S。

根据图中的线性关系求得：

安全策略上限为：

PU=PA（1+ε%）

则S=［PA，PU］

需要说明的是，政策冲击影响的周期性变化是本文控制策略模型适用的前提条件，其中模型1适用于前期控制力度大于当期最佳控制力度的情况，模型2适用于前期控制力度小于当前最佳控制力度的情况。

图1 基于能源消费预测的控制策略模型1

图2 基于能源消费预测的控制策略模型2

图3 中国能源单位GDP能耗预测对比图

5 控制策略算例分析

本节以中国单位GDP能耗预测为例，进行具体的控制力度调整策略分析。

图3可以反映出如果在严格按照计划目标执行的情况下，“十二五”时期的控制力度应介于0到“十一五”控制力度之间，因此该算例符合模型1。

图4 中国能源单位GDP能耗控制力度量化图

为了便于观测，我们取2010～2015年的单位GDP能耗预测值绘制局部微观放大图，如图4所示，A点为延续控制力度时到2015年的单位GDP能耗预测值，B点为“十二五”能源规划到2015年单位GDP能耗的目标值，C点为停止控制时到2015年的单位GDP能耗预测值。为了保证目标值的完成，控制力的效果必须保证与B点重合或超过B点，因此AB段为安全策略区。

根据前面的预测结果可知A点和C点的单位GDP能耗分别为0.925吨标准煤/万元和0.817吨标准煤/万元，又知B点的单位GDP能耗为0.869吨标准煤/万元，基于模型1可求得B点的控制力度为：

则安全控制策略为S=［0.48，1），即国家在“十二五”期间的控制力度调整为“十一五”控制力度的0.48～1倍之间。

此控制策略分析方法也适用于各地区政府制定“十二五”时期控制力度调整方案，以提高决策的精度。

6 结语

本文研究表明：构建的缓冲算子GM（1，1）模型优于传统GM（1，1）模型，能够很好地模拟中国能源消费总量的变化趋势，预测结果显示中国在“十二五”期间的节能潜力很大，能顺利完成能源消费总量的指标。如果国家在“十二五”期间停止控制力度，则无法完成“十二五”单位GDP能耗的指标；如果国家在“十二五”期间延续“十一五”的控制力度，又将超额完成计划指标。因此国家需要将控制力度调整到合适的范围内以保证按照“十二五”能源规划的计划进度进行节能工作。基于中国单位GDP能耗预测结果，使用控制策略模型1求得安全控制策略为［0.48，1），即国家在“十二五”期间的控制力度调整为“十一五”控制力度的0.48～1倍之间。

需要说明的是，本文的研究成果是建立在一定的参数和初值条件下的，随着国家能源政策的调整，能源政策的冲击影响随之变化，反映这种冲击影响的缓冲算子的选择也将改变，此外，本文中控制策略是基于只有政策冲击影响，其他因素不变的假设。因此，匹对缓冲算子与能源冲击度以及多因素条件下的控制策略分析可以成为今后进一步研究的问题。

［1］Kraft J，Kraft A.On the relationship between energy and GNP［J］.Journal of Energy and Development，1978，10（3）：401-403.

［2］Granger C W J.Some properties of time series data and their use in econometric model specification［J］.Journal of Econometrics，1981，16（1）：121-130.

［3］Engle R F，Granger C W.Cointegration and error correction：Representation，estimation and testing［J］. Econometrica，1987，55（2）：251-276.

［4］Yu E S，Jin J C.Cointegration tests of energy consumption，income and employment［J］.Resources and Energy，1992，14（3）：259-266.

［5］陈海燕，蔡嗣经，任一萍.北京市能源消费与经济增长关系的实证研究［J］.科技进步与对策，2009，26（14）：33 -35.

［6］王艳青，陈书章，朱琰洁，等.河南省能源消费与经济增长关系研究［J］.水电能源科学，2011，29（7）：188-191.

［7］秦静，牛叔文，孙红杰，等.甘肃省能源消费与经济增长实证分析［J］.地域研究与开发，2010，29（3）：136-141.

［8］张传国，陈蔚娟.广东省能源消费与经济增长关系实证研究［J］.国际经贸探索，2008，24（6）：29-33.

［9］江景星.湖南省能源消费与经济发展的灰色关联分析［J］.湖南社会科学，2010，（5）：135-137.

［10］刘爱芹.山东省能源消费与工业经济增长的灰色关联分析［J］.中国人口·资源与环境，2008，18（3）：103-107.

［11］李玮，张艳青，张荣霞.山西省能源消费与经济增长关系研究：基于Johansen协整检验和Granger因果关系检验［J］.中国矿业，2012，21（3）：32-34.

［12］杨惠贤，王敏.陕西省经济增长与能源关系分析［J］.中国经贸导刊，2011，（21）：83-84.

［13］王远，陈洁，周婧，等.江苏省能源消费与经济增长耦合关系研究［J］.长江流域资源与环境，2010，19（9）：979-984.

［14］汪东，汲奕君，孙志威，等.天津市能源消费与经济增长的灰色关联分析［J］.环境污染与防治，2010，32（10）：90-92.

［15］蔡旭娜，赖川波.区域经济增长与能源消费关系的实证—基于中国八大经济区域的面板数据［J］.统计与决策，2010，（1）：113-115.

［16］中国人民大学区域与城市经济研究所课题组.长三角地区能源消费与经济增长的实证分析—基于协整分析和状态空间模型的估计［J］.江淮论坛，2010，（4）：21-25+133.

［17］张欣欣，刘广斌，蔡璐.基于Granger检验的中国能源消费和经济增长关系研究［J］.山西财经大学学报，2011，33（1）：26-27.

［18］黄飞.能源消费与国民经济发展的灰色关联分析［J］.热能动力工程，2001，（1）：89-90（112）.

［19］孙海涛，宋荣兴.基于误差修正模型的能源消费与经济增长关系研究［J］.生态经济，2011，（8）：61-63.

［20］王思斯，崔庆军，蒋月星，等.基于ARDL模型的我国三次产业能源消费与经济增长关系研究［J］.软科学，2011，25（5）：74-76（90）.

［21］马颖.基于MS-VAR模型的经济增长与能源消费关系研究［J］.经济实证，2012，（18）：120-123.

［22］李小波，苏怡莲.基于分位数回归方法的能源消费与经济增长分析［J］.现代经济信息，2009，（10）：2-3.

［23］赵湘莲，李岩岩，陆敏.我国能源消费与经济增长的空间计量分析［J］.软科学，2012，26（3）：33-38.

［24］王火根，沈利生.中国经济增长与能源消费空间面板分析［J］.数量经济技术经济研究，2007，（12）：98-107 +149.

［25］Sözen A，Akçayol M A，Arcaklioˇglu E.Forecasting net energy consumption using artificial neural network［J］.Energy Sources Part B：Economics，Planning& Policy，2006，1（2）：147-155.

［26］Pao H T.Modeling and forecasting the energy consumption in Taiwan using artificial neural networks［J］.Journal of American Academy of Business，Cambridge，2006，8（1）：113-119.

［27］Adams F G，Shachmurove Y.Modeling and forecasting energy consumption in China：Implications for Chinese energy demand and imports in 2020［J］.Energy Economics，2008，30（3）：1263-1278.

［28］Yayar R，Hekim M，Yilmaz V，et al.A comparison of ANFIS and ARIMA techniques in the forecasting of electric energy consumption of Tokat province in Turkey［J］.Journal of Economic&Social Studies（JECOSS），2011，1，（2）87-112.

［29］Li Junchen，Dong Xiucheng，Shangguan，et al.Forecasting the growth of China's natural gas consumption［J］.Energy，2011，36（3）：1380-1385.

［30］刘勇，汪旭晖.ARIMA模型在我国能源消费预测中的应用［J］.经济经纬，2007，（5）：11-13+32.

［31］邢瑞军，刘丽英.基于ARIMA模型对湖北省能源消费的预测［J］.统计与决策，2008，（24）：107-108.

［32］薛黎明，侯运炳，何广.基于ARIMA模型的我国能源消费结构趋势分析与预测［J］.中国矿业，2011，20（4）：24-27（35）.

［33］谢妍，李牧.基于遗传算法优化的GM（1，1）能源预测模型研究［J］.中国管理信息化，2009，12（19）：95-97.

［34］李亮，孙廷容，黄强，等.灰色GM（1，1）和神经网络组合的能源预测模型［J］.能源研究与利用，2005，（1）：10 -13.

［35］杨波，谭章禄.基于Logistic模型的中国国家能源消费总量预测研究［J］.科技管理研究，2013，（12）：45-48 +58.

［36］李红梅，贺昌政，肖进.基于Log-GMDH模型的我国能源消费中长期预测［J］.软科学，2012，26（5）：51-54 +66.

［37］刘思峰，党耀国，方志耕，等.灰色系统理论及其应用［M］.北京：科学出版社，2010.

Forecasting Analysis of Chinese Energy Consumption and Control Strategy under Policy Impact

HUA Ling1，XIE Nai-ming2
（School of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China）

In this paper，buffer operator and grey GM（1，1）model are introduced to simulate and forecast the total energy consumption and energy consumption per GDP.Two kinds of control policy models based on energy consumption forecasting are established and Chinese energy consumption per GDP is selected as an example.The research shows that the grey model has well simulated and forecasted the total energy consumption and energy consumption per GDP.China has a great potential to save energy in the twelfth five-year period and can achieve the target of energy consumption successfully.The safe control policy is［0.48，1），which means that the government should adjust the control of the twelfth five-year period to 0.48～1 time the one of the eleventh period.

energy；policy impact；buffer operator；GM（1，1）model；control strategy

TE0

A

1003-207（2014）07-0018-08

2013-06-30；

2014-02-21

花玲（1989-），女（汉族），江苏南通人，南京航空航天大学经济与管理学院，硕士研究生，研究方向：预测、决策与评价.