典型文献
基于机器学习方法的我国天然气进口预测
文献摘要：
在"双碳"政策引导下,大力使用低碳、 清洁的天然气资源是我国能源转型的重要举措,我国天然气供应主要依赖进口,准确预测天然气进口趋势对实现"双碳"目标具有重大意义.本文采用曲线投影寻踪动态聚类模型从经济发展、人口、天然气行业和能源消费4个方面确定天然气进口影响因素评价指标体系,分别构建多变量灰色GM(1,N)模型、支持向量机回归(SVR)、卷积神经网络(CNN)3种机器学习模型并对2006～2020年我国天然气进口数据进行拟合,对比拟合精度选取最优模型进行预测,以降低预测风险.研究结果表明:(1)曲线投影寻踪动态聚类模型不受指标数量和样本容量限制,按照影响因素的重要程度进行排序构建了天然气进口预测评价指标体系,剔除人为任意性因素的影响,实现预测指标体系的客观性;(2)CNN模型对天然气进口量的时间序列预测具有较高的预测精度;(3)2021～2026年我国天然气进口量呈上升趋势,增速下降,2026年天然气进口量突破2000亿立方米,预测结果与当前国内外能源政策导向吻合,最后针对预测结果提出相关建议.研究结论科学、可靠,可为我国天然气进口及风险管理提供一定的科学依据.
文献关键词：
碳中和;天然气进口预测;机器学习;卷积神经网络;曲线投影寻踪动态聚类模型;风险管理
中图分类号：
作者姓名：
邢文婷;袁琳;张巧
作者机构：
重庆工商大学管理科学与工程学院, 重庆 400067;四川大学商学院, 成都 610065
文献出处：
引用格式：
[1]邢文婷;袁琳;张巧-.基于机器学习方法的我国天然气进口预测)[J].工业技术经济,2022(09):136-144
A类：
天然气进口预测,曲线投影寻踪动态聚类模型
B类：
基于机器学习,机器学习方法,政策引导,国能,能源转型,天然气供应,准确预测,天然气行业,能源消费,进口影响,因素评价,多变量,GM,支持向量机回归,SVR,机器学习模型,比拟,拟合精度,最优模型,测风,样本容量,容量限制,重要程度,预测评价,任意性,预测指标体系,进口量,时间序列预测,亿立方米,能源政策,政策导向
AB值：
0.2609
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
