淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2202200812165600
中文論文名稱 比較季節性時間序列預測模型-台灣地區能源消費之實證研究
英文論文名稱 A comparison of seasonal time series models for forecasting the energy consumption in Taiwan
校院名稱 淡江大學
系所名稱(中) 數學學系碩士班
系所名稱(英) Department of Mathematics
學年度 96
學期 1
出版年 97
研究生中文姓名 黃千珊
研究生英文姓名 Chian-Shan Huang
學號 693150608
學位類別 碩士
語文別 中文
口試日期 2008-01-15
論文頁數 59頁
口試委員 指導教授-伍志祥
委員-伍志祥
委員-賈容
委員-陳天文
中文關鍵字 時間序列  能源  能源消費量 
英文關鍵字 Time series  energy  energy consumption 
學科別分類 學科別自然科學數學
中文摘要 近年來,全球能源價格節節上升,需求量及消費量大增,由鑑於此,本文將針對台灣地區能源消費量進行預測,希望能掌握未來消費量趨勢,所以將採用四種預測模型,分別為季節性整合自我迴歸移動平均模型(SARIMA)、季節性時間數列迴歸模型(RMTSE)及倒傳遞類神經網路(BPN),第四種模型將混和SARIMA與BPN(SARIMABP),並探討此混和性模型是否能改善其預測結果。研究結果發現,當時間序列之資料圖形震盪較為明顯採用BPN能得到較好預測,反之,資料圖形震盪較為平穩,則採用SARIMA能得到較好預測,且採用混合性模型更能改善預測誤差。
英文摘要 Recently, the energy price keeps increasing.Both the demand and the consumption are on the rise.Due to these scenarios,this essay will try to predict the energy consumption in Taiwan,hoping to get a better grasp of the future trend.We will use the following four models for prediction,and they are Seasonal Autoregressive Integrated Moving Average Models(SARIMA),Regression Models with Time Series Errors (RMTSE),Back-propagation Network(BPN),and hybrid SARIMA and BPN(SARIMABP).The findings discovered that,at that time series of graph the sequence shook obviously uses BPN to be able to obtain a better
forecast,otherwise,the graph shook steadily, used SARIMA to be able to obtain a better forecast,and adopt the mixing model to be able to improve the forecast error.
論文目次 第一章 緒論……………………………………………………………1
第一節 石化能源………………………………………………………1
第二節 台灣能源政策白皮書…………………………………………2
第三節 研究資料描述…………………………………………………4
第四節 研究目的………………………………………………………5
第五節 研究架構………………………………………………………6
第二章 文獻回顧與探討比較…………………………………………7
第一節 國內文獻探討…………………………………………………7
第二節 國外文獻探討…………………………………………………9
第三章 研究方法………………………………………………………11
第一節 季節性整合自我迴歸移動平均模型SARIMA……………… 11
第二節 季節性時間序列迴歸模型RMTSE ………………………… 13
3.2.1季節性時間序列迴歸模型概念…………………………………13
3.2.2Duribin-Watson …………………………………………………15
第三節 類神經網路-倒傳遞類神經網路 BPN ………………………16
3.3.1類神經網路概念…………………………………………………16
3.3.2倒傳遞類神經網路………………………………………………18
3.3.3倒傳遞類神經網路演算過程……………………………………19
3.3.4類神經網路軟體計算過程………………………………………22
第四節 混和整合自我迴歸移動平均模型與倒傳遞類神經網路SARIMABP…23
第五節 評估測量的預測誤差…………………………………………24
第四章 實證研究………………………………………………………25
第一節 台灣地區能源消費量資料描述………………………………25
第二節 台灣地區能源分析結果………………………………………28
4.2.1台灣地區能源總消費量…………………………………………28
4.2.1.1SARIMA ………………………………………………………28
4.2.1.2 RMTSE ………………………………………………………33
4.2.1.3 BPN ………………………………………………………… 34
4.2.1.4混合SARIMA與BPN(SARIMABP)………………………35
4.2.1.5結論……………………………………………………………35
4.2.2台灣地區煤炭消費量……………………………………………37
4.2.3台灣地區電力消費量……………………………………………40
4.2.4台灣地區石油產品消費量………………………………………43
第五章 結論與建議……………………………………………………47
附錄 ……………………………………………………………………49
參考文獻 ………………………………………………………………58

圖目錄
1.1研究流程圖………………………………………………………… 6
3.1單變數ARIMA模型建構流程圖……………………………………12
3.2生物神經元模型……………………………………………………16
3.3人工神經元模型……………………………………………………17
3.4倒傳遞類神經網路架構……………………………………………18
4.1能源總消費量之歷史資料圖形……………………………………26
4.2煤炭總消費量之歷史資料圖形……………………………………26
4.3電力消費量之歷史資料圖形………………………………………27
4.4石油產品消費量之歷史資料圖形…………………………………27
4.5能源總消費量經差分一次之圖形…………………………………28
4.6能源總消費量經自然對數後差分一次之圖形……………………29
4.7能源總消費量經自然對數後差分一次之 acf 圖形………………29
4.8能源總消費量經自然對數後差分一次之pacf圖形………………30
4.9對能源總消費量做自然對數轉換,非季節性差分一次,季節性
差分一次所得之acf圖形………………………………………………31
4.10對能源總消費量做自然對數轉換,非季節性差分一次,季節性
差分一次所得之pacf 圖形……………………………………………31
4.11能源總消費量SARIMA所得殘差之acf圖形……………………32
4.12能源總消費量SARIMA所得殘差之pacf 圖形…………………32
4.13能源總消費量RMTSE所得殘差之acf 圖形……………………33
4.14能源總消費量RMTSE所得殘差之 pacf 圖形………………… 34
4.15國內總消費量之歷史資料 (實線)與預測值(虛線)………36
4.16煤炭消費量RMTSE所得殘差之 acf 圖形………………………37
4.17煤炭消費量RMTSE所得殘差之 pacf 圖形 ……………………38
4.18國內煤炭消費量之歷史資料(實線)與預測值 (虛線)……39
4.19電力消費量RMTSE所得殘差之 acf 圖形………………………40
4.20電力消費量RMTSE所得殘差之pacf圖形………………………41
4.21國內電力消費量之歷史資料(實線)與預測值(虛線)…… 42
4.22石油產品消費量RMTSE所得殘差之 acf 圖形…………………43
4.23石油產品消費量RMTSE所得殘差之pacf圖形…………………44
4.24石油產品消費量之歷史資料(實線)與預測值(虛線) ……45

表目錄
表一能源總消費量預測模型比較……………………………………36
表二煤炭消費量預測模型比較………………………………………39
表三電力消費量預測模型比較………………………………………42
表四石油產品消費量預測模型比較…………………………………45
表五各類別能源之季節性迴歸模型 RMTSE 參數估計值…………46

附錄
附表一:台灣地區能源消費量…………………………………………49
附圖一:煤炭消費量月資料經自然對數及一次差分後之歷史資料圖形 ……50
附圖二:對煤炭消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之acf 之圖形………………………………………50
附圖三:對煤炭消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之pacf之圖形………………………………………51
附圖四:對煤炭消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差acf之圖形…………………………………51
附圖五:對煤炭消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差pacf 之圖形………………………………52
附圖六:電力消費量月資料經自然對數及一次差分後之歷史資料圖形
……………………………………………52
附圖七:對電力消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之acf 之圖形………………………………………53
附圖八:對電力消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之pacf之圖形………………………………………53
附圖九:對電力消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差 acf 之圖形………………………………54
附圖十:對電力消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差pacf之圖形………………………………54
附圖十一:石油產品消費量月資料經自然對數及一次差分後之歷史資料圖形……55
附圖十二:石油產品消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之acf 之圖形………………………………55
附圖十三:石油產品消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之pacf之圖形………………………………56
附圖十四:石油產品消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差 acf之圖形…………………………56
附圖十五:石油產品消費量月資料作對數轉換後,非季節性差分一次,季節性差分一次所得之殘差pacf之圖形…………………………57
參考文獻 [1] Bowerman Bruce L.and O'Connell Richard T.(1993),Forecasting And Time series:An Applied Approach(third edition).
[2] Bowerman Bruce L.,O'Connell Richard T.and Anne B.Koehler,Forecasting,Time Series,
And Regression(fourth edition).
[3] R.E Abdel-Aal and A.Z.Al-Garni(1996),Forecasting Monthly Electric Energy Consumption In Eastern Saudi Arabla Using Univariate Time-Series Analysis.
[4] S.Gonzales Chavez,J.Xiberta Bernat and H.Llaneza Coalla(1998),Forecasting of energy production and consumption in Asturias(northern Spain),Energy24(1999)183-198.
[5] Fang-Mei Tseng,Hsiao-Cheng Yu and Gwo-Hsiung Tzeng(1999~2000),Combining neural network model with seasonal time series ARIMA model,Technological For- Ecasting & SocialChange69(2002)71-87.
[6] G.Peter Zhang(1999~2001),Times series forecasting using a hybrid ARIMA and neural network model,Neurocomputing50(2003)1159-175.
[7] Samer Saab,Elie Badr and Georage Nasr(2000),Univariate modeling and forecasting of energy consumption:the case of electricity in Lebanon,Energy26(2001)1-14.
[8] Tugba taskaya-temizel and Matthew C. Casey(2005),A comparative study of autoregressive neural network hybrids,Neural Networks18(2005)781-789.
[9] Volkan S. Ediger and Sertac Akar(2006),ARIMA forecasting of primary demand by fuel in Turkey,Energy Policy35(2007)1701-1708.
[10] 歐員弟、吳榮華(2000),「短期國際油價效率市場之研究」,能源季刊 第三十卷 第四期(民國八十九年十月)。
[11] 劉蘇萍,「台灣能源需求之結構性變化、影響因素及節能政策效果」,中原大學國際貿易學系,民國九十一年六月。
[12] 許哲強、賴正文及陳家榮(2003),「工神經網路在區域一次變電所負載預測之應用研究」
,能源季刊 第三十三卷 第一期(民國九十二年一月)。
[13] 孫育伯、廖惠珠(2005),「原油價格結構性轉變分析」,能源季刊 第三十五卷 第一期(民國九十四年一月)。
[14] 林茂文,「時間數列分析與預測」,民國九十二年十一月初版。
[15] 葉怡成,「應用類神經網路」,西元1997年7月初版。
[16] 葉怡成,「類神經網路應用與實作」,西元2003年3月第八版。
[17] 經濟部能源局,「能源報導」。
[18] 經濟部能源局,能源相關統計資料、國內能源政策白皮書。
[19] 經濟部能源政策審議小組,「能源季刊Energy quarterly」。
[20] 相關能源之新聞資料、雜誌(商業週刊)等。
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2008-03-24公開。
  • 同意授權瀏覽/列印電子全文服務,於2008-03-24起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信