毕业论文-排碳放约束下的江苏省煤炭消费量预测数学建模竞赛.doc

承 诺 书

我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。

我们参赛选择的题号是（从A/B/C/D中选择一项填写）：
我们的参赛报名号为（如果赛区设置报名号的话）：
所属学校（请填写完整的全名）：
参赛队员 (打印并签名) ：1.
2.
3.
指导教师或指导教师组负责人 (打印并签名)：

日期： 年 月 日

赛区评阅编号（由赛区组委会评阅前进行编号）：

2011高教社杯全国大学生数学建模竞赛

编 号 专 用 页

赛区评阅编号（由赛区组委会评阅前进行编号）：

赛区评阅记录（可供赛区评阅时使用）：

评
阅
人

评
分

备
注

全国统一编号（由赛区组委会送交全国前编号）：

全国评阅编号（由全国组委会评阅前进行编号）：

碳排放约束下的江苏省煤炭消费量预测

摘要
本文针对江苏省未来煤炭能源的需求预测问题，通过对历年煤炭消费数据进行分析，建立多个预测模型；通过分析不同产业煤炭消费量与各个指标的关系，对江苏省煤炭消耗进行预测及优化，预测未来若干年能源消费结构的结论，在此基础上提出相应的能源开发政策意见和节能减排工作建议。

针对问题一，首先以节能、减排、产业结构、煤炭供应量和经济增长五个指标为研究对象，运用层次分析法，得到产业结构对江苏省煤炭消费总量和第二、三产业的煤炭消费量影响最大，经济增长对第一产业的煤炭需求量影响最大；然后用SPSS对第一、二、三产业的耗煤量和GDP进行相关性分析，确定其各产业耗煤量变动对经济增长的影响，并建立多元线性回归模型，解释煤炭耗能比、总煤炭消耗变化、二产业耗煤变化同经济增长率之间的关系为回归方程为 ，并根据回归方程系数分析其不同产业耗煤量变化对经济的影响。

针对问题二，首先分析历史能源消费数据特征，通过灰色预测和最小二乘法的比较，最终选择GM（1,1）模型预测十二五时期以及未来十年的能源消费结构；然后以单位生产总值耗能量为目标，以碳排放约束、节能约束、GDP增长约束、非负约束为条件，建立非线性规划模型，对能源消费结构进行优化。

针对问题三，首先利用MATLAB画出煤炭消费量，分析第一、二、三产业耗煤量的变化趋势，建立Logistic模型预测煤炭消费量和第二产业的耗煤量，利用时间序列分析预测第一、三产业的耗煤量；然后进行模型的合理性分析和结果的合理性检验；最后根据预测结果，结合节能目标和经济增长目标，对耗煤结构进行优化。

针对问题四，根据问题一、二、三的分析的结论，就煤炭对各个对各经济、环境指标的影响，考虑到江苏省能源瓶颈、资源环境承载力、经济持续发展，分别从节能、减排和煤炭消费方面，提出适当调整能源结构、保证经济绿色发展的意见和建议。

最后，我们就模型存在的不足之处提出了改进方案，并对优缺点进行了分析。

关键词 层次分析法 多元线性回归 GM（1,1） 非线性规划 Logistic模型

一、问题重述
随着经济的发展，全球气候变暖逐渐成为威胁人类生存发展的巨大问题，为此，联合国、国际性组织和世界各国政府展开了积极的努力。其中最重要的原因就是二氧化碳的排放，从节能指标到二氧化碳减排指标的确立，中国政府已经把能源环境问题上升到从未有过的高度，现以江苏省为例，进行碳排放约束下的煤炭消费量预测。

江苏省占全国1.1%的国土面积，却承载着全国5.6%的人口，而且创造了全国10%的经济总量。然而，经济快速发展给环境质量造成了巨大的压力，并付出了沉重的代价，发展受到环境强烈的约束正在日益体现出来。江苏省的资源严重短缺，煤炭资源储量仅占全国的2.7%，但是，消费量却很高。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，江苏的经济增长与煤炭资源紧缺的矛盾突出，而且单位经济产值的主要污染物排放量均超过全国平均水平，江苏省面临的能源瓶颈、环境承载力等环境资源约束日益增多，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。
基于以上情况，根据附录中的数据，并结合相关资料，需要建立数学模型，解决以下问题:

（1）影响江苏省煤炭消费总量以及第一、二、三产业煤炭消费量的指标有哪些？各指标对江苏省煤炭消费总量以及第一、二、三产业煤炭消费量的影响情况怎样？江苏省煤炭消费总量及其占能源消费量的比重、第一、二、三产业煤炭消费量的变动对节能、减排和经济增长等指标产生怎样的影响？

（2）在整个碳排放约束下，考虑节能目标和江苏省经济发展目标，建立数学模型，对“十二五”期间及未来十年江苏省主要能源（煤炭、石油、天然气等）消费的结构进行预测和优化。

（3）在整个碳排放约束下，考虑节能目标和江苏省经济发展目标，建立数学模型，对“十二五”期间及未来十年江苏省煤炭消费总量以及第一、二、三产业煤炭消费量进行预测和优化。请对预测模型和预测结果的合理性进行检验和说明。

（4）根据分析的结果和结论，对江苏省节能、减排目标的实现路径以及能源结构调整、煤炭消费政策等方面提出意见和建议。

二、模型假设
1.假设不考虑电力能源；
2.假设影响煤炭消费量的指标主要只是节能、减排、经济增长、煤炭供应量和产业结构这五个，不存在其他比这五个影响更大的指标；
3.假设江苏省每年煤炭供应量都能满足需求，不存在煤炭资源大量短缺的现象；
4.假设1995-2010年国际化石燃料价格变动对江苏省能源消费影响不大，并且“十二五”期间及未来十年国际化石燃料价格不会出现巨大波动；
5.假设江苏省碳排放约束指标不会发生变动；
三、符号说明
符号 符号含义
A 递阶层次结构的目标层
B 递阶层次结构的准则层
C 递阶层次结构的措施层
准则层判断矩阵
第i产业的煤炭消费量（i=1,2,3）
措施层对的判断矩阵（i=1,2,3）
的权向量（i=1,2,3）
的权向量
的最大特征值
的最大特征值（i=1,2,3）

四、问题分析

4.1 问题一的分析

问题一有三个小问题，由于前两问的联系性很强，我们放在一起解决，仔细阅读题目，确定节能、减排、产业结构、煤炭供应量和经济增长五个指标，由于这五个指标对煤炭消费总量的影响，是通过第一、二、三产业的煤炭消费量间接影响的，所以采用层次分析法，确定相应权重，最终分析各指标对煤炭消费总量和第一、二、三产业煤炭消费量的影响情况。
对于第三个小问题，先用SPSS对第一、二、三产业的耗煤量和GDP进行相关性分析，确定其耗煤量变动对经济增长的影响，然后，建立多元线性回归模型，解释煤炭耗能比、总煤炭消耗变化、二产业耗煤变化同经济增长率之间的关系，用MATLAB算出回归模型，最后根据回归方程对其影响进行分析。

4.2 问题二的分析
根据附件中的数据，我们通过对最小二乘法和GM（1,1）模型预测的结果，进行方差比较，得出GM（1,1）的精度较高，所以采用GM（1,1）对“十二五”期间及未来十年江苏省的能源消费结构进行预测。而对主要能源消费结构的优化，因为对其进行优化时，需要最大限度考虑节能目标以及经济增长目标，并且除了煤炭、石油和天然气，实际上还包括其他能源，我们不考虑其他能源的影响，将节能和经济增长两个目标转化为一个目标，在碳约束条件下，使用非线性规划对主要能源消费结构进行具体的优化分析。

4.3 问题三的分析
首先用MATLAB画出煤炭消费总量、第一、二、三产业的耗煤量随时间变化的趋势图，由于煤炭消费总量和第二产业耗煤量的趋势和阻滞增长模型的趋势大体一致，因此，对其建立阻滞增长模型进行预测，对于第一、三产业的耗煤量，其趋势图变化不大，我们利用时间序列分析进行预测，得出预测结果后，并结合实际，进行合理性分析和检验，最后根据所预测的结果，基于节能目标和经济增长目标，对其预测结果进行优化。

4.4 问题四的分析
根据问题一、二、三的分析的结果和结论，为了实现可持续发展，从节能、减排和煤炭消费政策方面，提出合理的意见和建议。

五、模型的建立和求解
5.1 问题一的求解
5.1.1 各指标的确定
根据题目中相关信息，确定节能、减排、产业结构、煤炭供应量和经济增长为影响煤炭消费总量以及第一、二、三产业煤炭消费量的指标。
5.1.2 层次分析确定各指标影响
根据附件中的数据可知，第一、二、三产业的煤炭消费量总和是煤炭消费总量，因此建立层次分析模型。
将目标层A确定为江苏省煤炭消费总量，准则层B确定为第一、二、三产业的煤炭消费量，分别为,,,措施层分别为五个指标：节能，减排，产业结构，煤炭供应量，经济增长。
由此确定递阶层次结构为图一：

煤炭消费总量A

第一产业煤 第二产业煤 第三产业煤
炭消费量 炭消费量 炭消费量

节能 减排 产业结构 煤炭供应量 经济增长

图一：递阶层次结构

准则层的判断矩阵为：

利用MATLAB（程序见附录）计算出的最大特征值为=3.0858，对A层的权向量为=（0.0936 0.6267 0.2797）
根据参考文献[1]，一致性检验的步骤如下：
1）计算一致性指标：

2)根据表一，查找相应的平均随机一致性指标。

表一：的值

1
2
3
4
5

6
7
8
9

0
0
0.58
0.9
1.12
1.24
1.32
1.41
1.45

3)计算一致性比例：

当<0.10时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵做适当修正。
对判断矩阵M进行一致性检验：，，由于0.0825<0.10,所以能够通过一致性检验。
措施层C的判断矩阵分别为:

它们对B层的权向量分别为=（0.2103 0.2103 0.0747 0.0833 0.4214），=（0.0852 0.0549 0.3974 0.1599 0.3025）,=（0.1644 0.0880 0.5317 00643 0.1546）。最大特征值分别为=5.3176，=4.8699，=4.9756，一致性比例分别为0.0709,-0.0290，-0.0055，它们均小于0.10，所以,,均通过一致性检验。

层次总排序合成表为表二：

表二：层次总排序合成表

层B
层C

C层总排
序权值

0.2103

0.2103

0.0747

0.0833

0.4214
0.0852

0.0549

0.3974

0.1599

0.3025
0.1644

0.0880

0.5317

0.0643

0.1546
0.1191

0.0787

0.4048

0.1260

0.2723

根据以上的求解得出，节能的权重为0.1191，减排的权重为0.0787，产业结构的权重为0.4048，煤炭供应量的权重为0.1260，经济增长的权重为0.2723，因此，得出结论：第二产业对江苏省煤炭消费总量影响最大，产业结构对煤炭消费总量影响最大，其次是经济增长，接着依次是节能、煤炭供应量、减排，产业结构对第二、三产业煤炭消费量影响最大，经济增长对第一产业煤炭消费量影响最大。

5.1.3 多元线性回归模型的建立
节能减排政策只能通过宣传教育对第一、三产业用煤产生影响，此举也不会导致煤炭价格上升而减少煤炭的使用，故节能减排主要影响第二产业用煤量，根据节能、减排指标，会较大程度地改变煤炭使用量，故对煤炭消费总量也会较大程度地减少。
根据附件中的表11，利用SPSS分别对第一、二、三产业的耗煤量和GDP进行相关性分析，得到相关性分析图（见附录），可知，第二产业的耗煤量和GDP之间高度相关，第一、三产业的耗煤量和GDP之间的相关性不高，说明第二产业的煤炭消费量的变动对经济增长的影响很大，第一、三产业的耗煤量变动对经济增长影响不大。
图一是煤炭消费总量变化量随时间变化的条形图：

图一：煤炭消耗总量变化量变化图

图二是煤炭耗能比，耗煤变化率，第二产业耗煤增长率以及GDP的变化趋势：

图二：各个变化率的变化趋势

相关性分析已经表明，第一、三产业用煤量少，耗煤变化不显著，同经济增长、节能、减排的关系不明确，故主要分析耗煤总量，第二产业耗煤量，煤炭耗能比同个指标之间的关系。节能减排的实现，主要是减少使用煤炭等化石能源的高污染、高耗能的第二产业，以上两表数据显示：
1、2005年之前，煤炭使用量在增加，但能耗比在减少，经济增长率有所提高；《京都议定书》生效之后，煤炭使用量在减少，能耗比也在减少，经济增长率有所下降。
2、随着经济的稳定增长，煤炭使用年增加量的减少，意味着高污染、高耗能企业增长率的减少；煤炭耗能比的下降，意味着新能源使用的增加；它们都促进节能减排的实现。
3、煤炭耗能比的降低，主要是因为新能源的发展；总耗煤量、第二产业耗煤量的增加，引起产能的增加；自然它们都促进经济增长的实现；
由图二可以看出，用多元线性回归模型，解释煤炭耗能比、总耗煤量变化、第二产业耗煤变化同经济增长率之间的关系是合理的。
设回归方程为

其中，是GDP增长率,(i=1,2,3)分别为耗能比、总耗煤量变化。
根据表格中的数据利用MATLAB进行线性回归运算，得到回归模型：

原图及拟合图像（红线）如图三：

图三：回归方程拟合图

由图三可以看出，拟合图像较好的反映出了它们之间的关系。
综合以上分析得出结论：第一、三产业煤炭消费量的变动相比第二产业对经济增长影响不大；如果减少第二产业中高排放、高消耗的企业，对于节能、减排指标非常有利，但是对经济增长会产生很大的消极影响，能够致使经济增长速度减缓，煤炭消费总量在能源中所占比重（见附录）对经济增长的影响是极其重要的。

5.2 问题二的求解
5.2.1 GM(1,1)预测主要能源消费结构
根据已有数据，用MATLAB画出煤炭消费量随时间的变化趋势，发现用二次拟合效果不错，但是，由于该数据属于小样本，所以采用灰色预测也可以，通过计算得出，二次拟合的方差比灰色预测的方差大，所以采用GM(1,1)模型对“十二五”期间及未来十年江苏省主要能源消费的结构进行预测。
假设第二个五年计划和第一个计划的执行力度大体相同，都能实现节能减排和经济增长的目标。
煤炭消费量预测具体步骤如下：
1）构造累加生成序列
设观察值序列为=(6312.91 6439.02 6975.84 7808.84 9542.53 12164.68 13381.92 14464.31 14698.48 15003.06 16500.33）
累加生成序列为=(81776.93 88215.95 95191.79 103000.6 1125432 124707.8 138089.8 152554.1 167252.6 182255.6 198755.9)
2)构造矩阵和向量
紧邻均值生成序列为=(84996.44 91703.87 99096.21 107771.9 118625.5 131398.8 145321.9 159903.3 174754.1 190505.8)
所以矩阵,向量
3)计算，得出：

4)时间响应序列为：
，k=1,…,11 （1）
5）残差检验
绝对残差序列为：

相对残差序列为：

相对残差不超过16%,所以模型精确度很高。
同样地，石油和天然气消费量的时间相应序列分别为：
， （2）
， （3）
下面根据（1）（2）（3）对“十二五”规划期间和未来十年的消费量进行预测，如表三：
表三：对主要能源消费结构的预测

年份
能源
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
煤炭
75.4%
74.9%
74.2%
73.4%
72.5%
71.3%
69.9%
68.2%
66.3%
64.1%
石油
19.5%
19.1%
18.7%
18.3%
17.8%
17.3%
16.7%
16.1%
15.5%
14.7%
天然气
5.1%
6.0%
7.1%
8.3%
9.7%
11.4%
13.4%
15.7%
18.2%
21.2%

根据表三可以看出，“十二五”规划期间和未来十年江苏省的主要能源消费结构没有太大变化，整体结构依然是煤炭消费量居于主导地位，石油和天然气位居其后，但是煤炭消费量所占比重有所下降，石油消费量所占比重变化不大，天然气消费量所占比重有大幅度上升。

5.2.2 非线性优化主要能源消费结构
对能源消费结构进行优化的目的是最大化地实现经济发展目标和节能目标，基于此问题，我们将节能和经济增长两个目标转化为能源总消费量和GDP的比值，在碳约束条件下，利用非线性规划，对“十二五”期间和未来十年江苏省的主要能源消费结构进行优化。

目标函数为：

约束条件为：

通过对约束条件的变换，得到下面的约束条件:

…

其中,,当i=5时，，i=10时，，为第2010+i年的GDP（i=0,1，…，10），，，分别为2015年的摊、石油和天然气的消费量，，，分别为2020年的煤炭、石油和天然气的消费量，为2015年能源消费总量和GDP的比值。

5.3 问题三的求解
5.3.1 Logistic预测煤炭消费量
根据题中所叙述，中国煤炭消费量呈现指数增长，但是又受到环境和资源的阻碍，而且通过用MATLAB画出的煤炭消费量的趋势图(见附录)可以看出，煤炭消费量可以通过建立Logistic模型来预测。
设煤炭消费总量的自然增长率是常数，煤炭消费总量的极限值为，相对增长率为,为1995+年的煤炭消费总量，连续可微。

解得：

下面将1995年-2010年的煤炭消费量数据代入，从而确定出,因为初始条件,所以解出
（4）

由于1995年-2010年第二产业煤炭消费量和煤炭消费总量的趋势几乎相同，所以第二产业的煤炭消费量预测同样可以采用Logistic模型，类似上面的步骤可以求出：
（5）
根据（4）（5）对煤炭消费量和第二产业耗煤量进行预测，结果分别是270404,307306,348299,393837,444423,500617,563042,632387,709420,794994；279741,312259,346512,382593,420601,502812,547237,568349,601543,657438；

对于第一、三产业的耗煤量我们采用时间序列分析进行预测，预测结果如表四：

表四：第一、三产业耗煤量预测

年份
产业
耗煤量
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
第一
产业
57.40
52.58
54.74
52.67
53.17
52．11
52.00
51.31
50.97
50.42
第三
产业
68.73
66.06
66.49
65.85
65.58
65.17
64.82
64.45
64.08
63.71

根据第一、三产业耗煤量的趋势图（见附录）可知，预测结果是合理的。
5.3.2 对预测结果的优化
根据预测结果可以看出，节能目标没有实现，所以应该对第一、二、三产业的耗煤量进行优化调整，特别是应该加大对第二产业中工业结构耗煤量的调整，通过适当政策促进第三产业的快速发展，逐步降低高耗能的重工业所占比重，进而有效降低煤炭消费的增长。通过节能技术，来提高高耗能的重工业的能源利用率，从而有效降低煤炭的消费量，同时加大清洁能源的使用，例如风能，核能等，鼓励能源替代，促进低碳消费。

5.4 问题四的求解
查阅相关资料，对此题从减排、节能、煤炭消费，能源结构调整方面进行了思考，从而更好地对题目进行解答。
节能和能源结构调整方面:
为了实现节能的目标，通过第一、二、三问的分析，应该加大清洁能源的使用，发展非化石能源，采用新的能源模式，例如核能、风能等的研发和使用，另外，加大对化石能源依赖较小的服务业的经营规模也是可行的措施。
减排方面：
从问题二可以看出，要实现减排目标，应该减少化石能源的使用，尤其是煤炭的消费，另外，适当调整产业结构，也能达到很好的减排效果，同时，提高能源利用率，倡导低碳消费，发展低碳技术，改变消费模式、生活方式，支持低碳技术研发也能达到减排的目标。
煤炭消费方面：
通过问题三的分析得出，煤炭的消费应该大体符合阻滞增长模型，并且最终呈下降趋势，减少煤炭消费对第二产业的制约，建议开展碳交易，碳税试点，建立碳消费的相关措施，制定低碳消费的激励政策。

六、模型的检验
1、层次分析法得出的结果与实际吻合的较好，而且多元回归模型对原数据的拟合程度较高。
2、GM（1,1）预测得出的方差较小，模型的精度很高。
3、Logistic模型和时间序列分析对煤炭消费量，第一、二、三产业耗煤量的预测与实际相差不大。

七、模型的评价
优点：
1、建立多个模型分别对问题进行求解，模型的理论较为切合实际，具有一定的通用性和实际意义。
2、采用MATLAB，SPSS进行求解，计算结果可信度较高。
3、能够充分利用所给数据，思路清晰，目标明确。
缺点：
在数据处理和计算的过程中，会有不可避免的误差，对结果的精度有一定的影响。

八、参考文献
[1]司守奎，数学建模[M]，167-172,265-267，海军航空工程学院，2003年12月。[2] 姜启源，谢金星，叶俊，数学模型（第三版）[M]，北京：高等教育出版社，1992年。
[3] 萧树铁，大学数学—数学实验（第二版）[M]，北京：高等教育出版社，2006年05月。
[4]魏巍，应用数学工具箱技术手册[M]，北京:国防工业出版社，2004年01月。
[5]。
九、附录
程序：
层次分析法计算权重：
disp('请输入判断矩阵A(n阶)');
A=input('A=');
[n,n]=size(A);
x=ones(n,100);
y=ones(n,100);
m=zeros(1,100);
m(1)=max(x(:,1));
y(:,1)=x(:,1);
x(:,2)=A*y(:,1);
m(2)=max(x(:,2));
y(:,2)=x(:,2)/m(2);
p=0.0001;i=2;k=abs(m(2)-m(1));
while k>p
i=i+1;
x(:,i)=A*y(:,i-1);
m(i)=max(x(:,i));
y(:,i)=x(:,i)/m(i);
k=abs(m(i)-m(i-1));
end
a=sum(y(:,i));
w=y(:,i)/a;
t=m(i);
disp('权向量');disp(w);
disp('最大特征值');disp(t);
%以下是一致性检验
CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];
CR=CI/RI(n);
if CR<0.10
disp('此矩阵的一致性可以接受!');
disp('CI=');disp(CI);
disp('CR=');disp(CR);
else
disp('此矩阵的一致性不可以接受!');
end

GM(1,1)预测：
function q=yuce(x0) %预测方程
n=length(x0); %计算数列长度
x1=cumsum(x0); %计算累加生成数列
lamda=x0(2:n)./x1(1:n-1); %计算级比值
%级比行检验
range=minmax(lamda);
for i=2:n
z(i)=0.5*(x1(i)+x1(i-1));
end
B=[(-z(2:n))',ones(n-1,1)];
Y=x0(2:n)';u=B\Y;
y=dsolve('Dy+a*y=b','y(0)=y0');
x=dsolve('Dx+a*x=b','x(0)=x0');
x=subs(x,{'a','b','x0'},{u(1),u(2),x0(1)});
yuce=subs(x,'t',[0:n-1]);
digits(6),y=vpa(x);
yuce=[x0(1),diff(yuce)];
epsilon=x0-yuce;
delta=abs(epsilon./x0);
rho=1-(1-0.5*u(1)/1+0.5*u(1))*lamda;
yucezhi=[x0(1),diff(subs(x,'t',[0:n+9]))];
range,y,delta,rho,yucezhi,
q=yuce;
第一产业耗煤量预测：
data example5_1;
input x@@;
difx=dif(x);
t=_n_;
cards;
110.7 61.7 57.5 60.1 50.7 75.5 65.6 60 74.4 60.9 63 63.1 63 50.7
;
proc gplot;
plot x*t difx*t;
symbol v=star c=black i=join;
proc arima;
identify var=x(1);
estimate p=1;
forecast lead=10 id=t out=out;
proc gplot data=out;
plot x*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay;
symbol1 c=black i=none v=star;
symbol2 c=red i=join v=none;
symbol3 c=green I=join v=none;
run;
第三产业耗煤量预测：
data example5_1;
input x@@;
difx=dif(x);
t=_n_;

cards;
70.6 82.3 132.8 53 55.8 65.5 58.5 53.5 54.6 51.5 106.7 93.5 82.3 87.3 81.8 62.5
;
proc gplot;
plot x*t difx*t;
symbol v=star c=black i=join;
proc arima;
identify var=x(1);
estimate p=1;
forecast lead=10 id=t out=out;
proc gplot data=out;
plot x*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay;
symbol1 c=black i=none v=star;
symbol2 c=red i=join v=none;
symbol3 c=green I=join v=none;
run;

第一产业耗煤量与GDP的相关图：
Correlations

VAR00001
VAR00002
VAR00001
Pearson Correlation
1
-.527*
Sig. (2-tailed)

.036
N
16
16
VAR00002
Pearson Correlation
-.527*
1
Sig. (2-tailed)
036

N
16
16

第二产业耗煤量与GDP的相关图：
Correlations

VAR00001
VAR00002
VAR00001
Pearson Correlation
1
.881**
Sig. (2-tailed)

.000
N
16
16
VAR00002
Pearson Correlation
.881**
1
Sig. (2-tailed)
.000

N
16
16
**. Correlation is significant at the 0.01 level (2-tailed).

第三产业耗煤量与GDP的相关图：
Correlations

VAR00001
VAR00002
VAR00001
Pearson Correlation
1
.069
Sig. (2-tailed)

.800
N
16
16
VAR00002
Pearson Correlation
.069
1
Sig. (2-tailed)
.800

N
16
16

煤炭消费量占总能源的比重：
年份
能源
煤炭消费量
比重
1985
4123.1
3199.54
0.776
1986
4382.2
3418.15
0.78
1987
4922.3
3829.58
0.778
1988
5508.1
4334.87
0.787
1989
5586.5
4430.08
0.793
1990
5509
4379.65
0.795
1991
5780.8
4520.58
0.782
1992
6296.5
4980.56
0.791
1993
6625.8
5234.38
0.79
1994
7357.7
5900.85
0.802
1995
8047.2
6357.27
0.79
1996
8111.2
6310.54
0.778
1997
7991.1
6153.13
0.77
1998
8118
6153.41
0.758
1999
8163.5
6261.43
0.767
2000
8612.4
6312.91
0.733
2001
8881.4
6439.02
0.725
2002
9608.6
6975.84
0.726
2003
11060.7
7808.84
0.706
2004
13651.7
9542.53
0.699
2005
16895.4
12164.68
0.72
2006
18742.2
13381.92
0.714
2007
20604.4
14464.31
0.702
2008
21775.5
14698.48
0.675
2009
23709
15003.06
0.6328
2010
25774
16500.33
0.6402

煤炭总消费量趋势图：

第二产业煤炭消费量趋势图：

第一产业煤炭消费量趋势图：

第三产业煤炭消费量趋势图:

19