一、背景
本章针对江苏省煤炭消费量的预测问题，首先进行主成分分析，找出GDP以及各产业对应的生产总值指数等影响煤炭消耗的指标；然后分别以第一、二、三产业以及总共的煤炭消费量为因变量，以主成分因子为回归变量，建立多元线性回归模型，通过偏相关系数，分析煤炭消耗量影响因素；最后引入CO2排放强度因变量，以三大能源消耗为回归变量，建立多元线性回归模型，同时考虑节能目标和经济发展目标，以碳排放量最小为目标函数，线性回归方程等作为约束条件，建立优化模型，对在碳排放约束下的未来十年江苏省煤炭消费量预测，得到未来十年主要能源消费结构的优化预测结果。
1 煤炭消费量概述
从煤炭储量来看，2010年江苏省基础储量14.23亿吨，查明资源储量36.01亿吨，仅占全国的2.7%。2010年江苏省煤炭产量为2090万吨，消费量为23100万吨，由于我国煤炭生产基地逐步西移，使得江苏未来煤炭组织能力进一步降低，从煤炭的产量和需求量来看，江苏省的经济增长与煤炭资源紧缺的矛盾突出。江苏省煤炭资源匮乏而煤炭消费总量逐年增长，煤炭消耗问题成为影响江苏经济发展的重要因素。因此，解决好未来江苏巨大的煤炭供需缺口，分析预测江苏未来的煤炭消费，可以为江苏战略性能源开发供应提供依据，从而保证全省经济社会的绿色发展。
2 数据
3 煤炭影响因素分析
二、源代码
% 画图
clc,
clear all
close all
load('yc.mat');
x=2005:2020;
hf=figure('units','normalized','position',[0.4 0.4 0.5 0.4]); % [x,y,宽，高]
plot(x,yc(:,1),'rh--','linewidth',2)
hold on
plot(x,yc(:,2),'gs--','linewidth',2)
plot(x,yc(:,3),'bo--','linewidth',2)
plot(x,yc(:,4),'k>--','linewidth',2)
grid on
axis tight
% 回归模型
clc,clear
load mstdata1.mat
n0=size(mstdata);
a=mean(mstdata); % 均值
% %a=mean(a');
a1=std(mstdata); % 方差
% %b=std(b');
% for i=1:n0(1,2)
% for j=1:n0(1,1)
% mstdata(j,i)=(mstdata(j,i)-a(1,i))/b(1,i);
% end
% end
%
mstdata=zscore(mstdata); %标准化
xs12010 = mstdata(26,1); %2010年煤炭
xs22010 = mstdata(26,2); %2010年石油
xs32010 = mstdata(26,3); %2010年天然气
xs12005 = mstdata(21,1); %2005年煤炭
xs22005 = mstdata(21,2); %2005年石油
xs32005 = mstdata(21,3); %2005年天然气
j=1;
for i=1:n0(1,1)
if i~=21
Cmstdata(j,:)=mstdata(i,:);
j=j+1;
end
end
figure(2),
n1=size(Cmstdata);
X=Cmstdata(:,1:3);
X=[ones(n1(1,1),1),X];
Y=Cmstdata(:,n1(1,2));
[b,bint,r,rint,s]=regress(Y,X)
rcoplot(r,rint)
% %%
% x1=0*a1(1,1)+a(1,1)
% x2=0*a1(1,2)+a(1,2)
% x3=1.431741*a1(1,3)+a(1,3)
三、运行结果
四、备注
完整代码或者代写添加QQ1564658423
往期回顾>>>>>>
【预测模型】基于matlab粒子群的lssvm预测【含Matlab源码 103期】
【lSSVM预测】基于matlab鲸鱼优化算法之lSSVM数据预测【含Matlab源码 104期】
【lstm预测】基于matlab鲸鱼优化算法之改进的lstm预测【含Matlab源码 105期】
【SVM预测】基于matlab蝙蝠算法改进的SVM预测（一）【含Matlab源码 106期】
【SVM预测】基于matlab灰狼算法优化svm支持向量机预测【含Matlab源码 107期】
【预测模型】基于matlab BP神经网络的预测【含Matlab源码 108期】
【lssvm预测模型】基于蝙蝠算法改进的最小二乘支持向量机lssvm预测【Matlab 109期】
【lssvm预测】基于飞蛾扑火算法改进的最小二乘支持向量机lssvm预测【Matlab 110期】
【SVM预测】基于matlab蝙蝠算法之改进的SVM预测（二）【含Matlab源码 141期】
【lssvm预测】基于matlab飞蛾扑火算法之改进的最小二乘支持向量机lssvm预测【含Matlab源码 142期】
【ANN预测模型】基于matlab差分算法改进ANN网络预测【含Matlab源码 151期】
【预测模型】基于matlab RBF神经网络预测模型【含Matlab源码 177期】
【预测模型】基于matlab SVM回归预测算法来预测股票趋势【含Matlab源码 180期】
【预测模型】基于matlab BP神经网络之模型优化预测【含Matlab源码 221期】
【预测模型】基于matlab RLS算法的数据预测【含Matlab源码 222期】