Prognose des Energieverbrauchs basierend auf SVR und Markov-Modell: Eine Fallstudie aus China

Die Prognose des Energiebedarfs in aufstrebenden Nationen ist ein wesentliches Instrument für die Politik, das von Entscheidungsträgern weltweit genutzt wird. Da jedoch geschätzte wirtschaftliche und demografische Merkmale häufig von den tatsächlichen Werten abweichen, sind präzise Prognoseergebnisse aufgrund der inhärenten Komplexität des Wirtschaftssystems schwer zu erreichen. Diese Arbeit schlägt ein Machine-Learning-Modell zur Schätzung des Energieverbrauchs in China vor, das das Support Vector Regression Modell (SVR) verwendet. Darüber hinaus wird die Markov-Kette (MC) eingesetzt, um die sich entwickelnde Struktur des Energieverbrauchs zu prognostizieren und zu analysieren. Die Ergebnisse zeigen, dass das SVR-Modell genauer (98,4%) ist als das lineare Modell (Gleitender Durchschnitt) und das nichtlineare Modell (Graues Modell) sowie frühere Forschungen zur Vorhersage des Energieverbrauchs. Bei der derzeitigen Rate des Energieverbrauchs wird Chinas Gesamtenergieverbrauch in den nächsten 4 Jahren die sechs Milliarden überschreiten. Darüber hinaus wird erwartet, dass die Energieverbrauchsstruktur Chinas im Jahr 2025 rationaler sein wird, mit steigendem nicht-fossilem Energieverbrauch und sinkendem Kohleverbrauch, während der Erdgasverbrauch weiterhin mit einer niedrigen Rate wächst. Dies liefert eine wissenschaftliche Grundlage für die Umsetzung von Maßnahmen zur Erreichung des Kohlenstoffemissionsgipfels, für die Energiesicherheit und den Energieentwicklungsplan während des 14. Fünfjahresplans.