摘要5-7
ABSTRACT7-12
1 绪论12-18
1.1 探讨背景和作用12-14
1.2 国内外探讨近况综述14-16
1.3 探讨内容及框架16-17
1.4 本论新之处17-18
2 我国煤炭的生产与消费概述18-23
2.1 我国煤炭的生产浅析18-19
2.1.1 我国煤炭产业的特性18-19
2.1.2 我国煤炭的生产情况19
2.2 影响煤炭消费的主要因素19-21
2.2.1 互补品与替代品19-20
2.2.2 煤炭的市场20
2.2.3 国内生产总值20
2.2.4 产业结构20-21
2.2.5 财政政策与货币政策21
2.2.6 其他因素21
2.3 煤炭消费预测的作用与重要量21-23
3 煤炭消费预测常用单项模型23-30
3.1 线性走势外推预测模型23-25
3.1.1 二次平移预测模型与二次指数平滑预测模型23-25
3.1.2 模型的局限性25
3.2 回归浅析预测模型以及局限性25-26
3.2.1 回归浅析模型介绍25
3.2.2 模型的局限性25-26
3.3 随机时间序列(ARMA)预测模型26-27
3.3.1 ARMA 模型介绍26-27
3.3.2 模型的局限性27
3.4 灰色系统预测模型27-30
3.4.1 GM(1,1)模型的建模原理及性质27-29
3.4.2 模型的局限性29-30
4 组合预测策略浅析与基于核回归组合预测策略30-42
4.1 组合预测策略的综合浅析30-32
4.1.1 线性与非线性组合预测30-31
4.1.2 不变权重与可变权重组合预测31
4.1.3 最优组合与非最优组合预测31-32
4.2 最优组合预测与非负权重最优组合预测的局限性32-33
4.3 权重系数确定的策略33-35
4.3.1 数理统计法33-34
4.3.2 回归浅析策略34
4.3.3 规划法34-35
4.4 规划法有着的局限性35
4.5 核函数35-36
4.6 基于核回归的组合预测模型36-37
4.6.1 模型的建模原理36
4.6.2 模型的建模步骤36-37
4.7 模型的稀疏化:特点向量提取37-38
4.7.1 稀疏化的性质37-38
4.7.2 具体的执行步骤38
4.8 基于粒子群算法的智能化求解38-40
4.8.1 粒子群算法介绍39
4.8.2 算法的计算步骤39-40
4.9 基于核回归组合预测策略的特点与价值40-42
4.9.1 核回归组合预测的特点40
4.9.2 核回归组合预测的价值40-42
5 实证结果浅析42-47
5.1 实证探讨的数据选取及基本思路42-43
5.2 单项模型对我国煤炭消费预测43-44
5.2.1 回归浅析策略预测43
5.2.2 灰色预测策略预测43
5.2.3 ARMA(1,1)策略预测43-44
5.3 预测评价策略44-45
5.4 预测结果浅析45-47
6 结论与展望47-48
6.1 结论47
6.2 不足之处及进一步探讨的方向47-48