时间：2023-06-11 09:32:47
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇风险预测方法，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
（一）风险财务的内涵和特征
1.风险财务的内涵。
风险财务主要是指企业在运营或者管理中，在很多不确定因素的影响下，使得企业的财务呈现出一定的风险性，最终可能导致企业的财务管理工作出现较大的偏差。
2.风险财务的特征。
（1）综合性的特征。企业的风险财务既包括资金筹措和资金结算的风险，也包括在各种因素影响下产生的企业资金风险，涉及到企业的各个部门。
（2）不确定性的特征。导致企业风险财务的原因实际上是相当模糊的，并且这些原因之间是相互交错、相互影响的，这就使得企业的财政存在着一定的风险。但是，这些因素是难以认识和完全把握的，所以导致企业财政管理工作进行起来有不小的困难。
（3）严重的损失。当企业的财务结果与财务目标出现较大差异时，如果差异超出了企业的承受能力，那么企业可能会面临严重的经济损失。
（二）风险财务管理的概念和特点
1.风险财务管理的概念。
风险财务管理是指在核查清楚企业财务现状的基础上，通过采取一些科学有效的手段进行风险管理，以此控制并降低企业的风险，保持企业发展的健康、稳定。
2.风险财务管理的特点。
（1）风险财务管理的覆盖面十分广泛，对于企业的各个部门和人员而言，都与企业的财务有着密不可分的联系，这就使得风险财务管理所涉及的范围更加广泛。
（2）风险财务管理工作非常注重应对企业的财务风险，能够更加科学地应对企业的财政风险。
（3）企业的风险财务管理手段很先进，因为风险财务管理需要对大量的数据进行处理分析，并从中找出影响企业资金风险的因素，所以必须要具备科学的管理手段和先进的管理方法，只有这样，才能有效提高企业的风险财务管理工作效率。
二、企业风险财务风险管理方法
风险财务预测方法主要就是对企业可能存在的财务风险进行预测，主要的预测方法有专家预测法、资金分析法以及幕景分析法。其中专家预测法主要是利用专家风险财务专业知识，对企业的财务现状进行深入分析，从而识别出企业财务存在的风险。而资金分析法主要是通过分析企业资金的分布和运动状态，找出资金在运转或者使用方面的风险，这是一种比较有效的风险财务预测方法。还有就是幕景分析法，在风险财务预测的过程中，需要深入分析影响企业财务风险的各个因素，并判断其对企业财政的影响。
（二）风险财务决策方法
企业风险财务管理工作过程中，所涉及到的与财务工作相关的决策有很多，而正确的决策能够为企业带来良好的经济效益和社会效益。所以，风险财务决策也是企业风险财务管理的重要方法，其主要是以风险财务预测方法为基础，对企业的财务进行综合性评价，然后选取一个最佳方案。风险财务决策方法的有效性与财务管理工作的信息量、财务决策者的专业素质以及财务决策者应对财务风险的态度之间有着十分密切的联系。
（三）风险财务控制方法
风险财务控制主要是对企业出现的财务风险及时进行控制，最大程度上降低其消极影响。所以，企业的风险财务控制方法主要包括回避风险、自担风险两大类。其中回避风险方法主要是在企业面临财务风险的时候所采取的，其能够有效避免财务风险及其所带来的全部损失，从而保障企业能够在可承担范围内得以正常运行。而自担风险则是当企业财务出现一些问题时，企业可以对资金进行有效管理，合理预算开支，以此承担企业的财政风险。
（四）风险财务处理方法
企业面临财务风险，并选择承担风险时，必须要正确、合理地进行财务风险处理。其中对企业的资产进行结算，能够准确了解企业的财政状态。同时，当企业的财政资金出现严重不足时，应该采取一切有效的方式方法筹集资金，转变企业的财政危机，保障企业能够顺利解决财政问题，降低经济损失。
三、企业风险财务管理的影响因素
（一）经济因素
企业的风险财务管理的主要影响因素就是经济因素，其主要表现在企业的效益和利润方面。在企业经营发展过程中，企业竞争是不可避免的，而竞争对手对市场份额的蚕食会导致产品材料的成本上升，从而在很大程度上降低企业经营的利润和效益。
（二）非经济因素
除了经济因素，非经济因素也是影响企业风险财务管理的主要因素，这主要体现在企业经营的目标上。企业在经营发展过程中，目标是否清晰直接影响着企业的长远发展。有很多企业投资人都将企业目标的合理性和清晰度作为参考标准。而且在科学合理的发展目标的引领下，企业的组织结构、管理制度以及员工素质等都会影响企业目标，也都会影响企业的风险财务管理。
四、企业风险财务管理的解决对策
（一）建立有效的监督机制
企业在风险控制方面，会制定很多的对策措施，但是真正贯彻落实的，发挥作用的相对较少。这主要是因为监督机制不完善，无法及时发现企业在风险控制上的漏洞，而且也没有对执行性和操作性较差的风险控制措施进行严格监督。这就要求企业必须建立完善的、有效的监督机制，以便于及时整改那些贯彻落实不利的风险控制措施，并落实相关负责人的考核制度，以此确保企业制定的风险控制策略能够切实发挥出最大的效力，从而提高企业的风险控制水平，和防范风险的能力。
（二）充分利用现代风险管理模型
企业可以通过构造等级模糊子集，量化反映被评风险的事物的模糊指标，采用层次分析法对评价的权重集进行计算，利用模糊变化原理综合评断指标，这是一种实现定性、定量相结合的评价方法。以模糊数学原理为基础，在企业风险整体评估上应用模糊风险评价模型。不同的风险要素在具体风险分析案例中所呈现的重要程度是有差异性的，所以必须要赋予每个风险相应的权重。
（三）建立健全的、规范的、科学的决策体系
企业在运行环节存在风险，主要是由于不科学的决策导致的。所以，建立规范的、科学的决策体系是非常有必要的。企业在进行决策前，需要充分做好调研论证，建立一个健全的、科学的决策体系，全面降低出现财务风险的概率。而且决策体系必须健全，其中的决策程序、决策标准都要公开，而高层决策时，必须要听取员工的良好建议，最大程度上降低企业财务风险的损失。
本书是在《微生物定量风险分析》第1版的基础上修订的，共历时14年。书中涉及的微生物从第1版中的食源性细菌、病毒、单细胞动物拓展到近几年新发现及流行的冠状病毒、流感病毒、生物恐怖因子以及人畜共患病病原体等。在本版中作者延续了第1版中的风险评估方法，并在此基础上增加了一些新的内容，包括现代病原微生物分析方法、预测微生物学（病原体生长与凋亡）、风险分析模型以及人群中疾病扩散模型等。同时本版也删除了一些内容，如，不再反映微生物剂量应对指标的复杂图表等。
本书共分为11章：1.动机，主要介绍传染病的流行趋势、现有手段、覆盖范围、定量微生物风险分析的潜在目标、特定地域的估计、地域集综二次传播、地方性传染病暴发案例等；2.微生物病原体与传播，按照三种分类法分别描述各类病原体的特征、临床特点、潜伏期以及宿主特征。这三类分别为种群分类（真核、原核、病毒、类病毒）、微生物分类（病毒、细菌、单细胞动物）、传播途径分类（呼吸道、皮肤接触、食道）；3.风险评估范例，通过案例详细介绍风险评估――定性或定量评估在人群或个体中潜在对健康不利因素的分析方法，例如，化学品风险评估、生态环境风险评估、微生物潜在风险评估、微生物定量风险评估过程和发展等；4.危险品标识是识别治病微生物病原体的标志，详细描述不同的标识；5.定量微生物风险分析方法，着重讲述不同的微生物分析方法，从不同的病原体采集方法到针对细菌、单细胞生物以及病毒的分子生物学检测方法；6.疾病的暴露评估，通过大量的数学公式以及统计方法分析病原体的载量与疾病在人群中暴露的关系；7.预测微生物学，通过大量数据与统计学方法预测微生物病原体的生长与凋亡过程；8.微生物剂量反应评估，通过不同的模型与数学算法详细描述病原体的载量与患病率、死亡率、及潜在免疫状态的影响；9.不确定，本章列举出了一些在风险评估中的不确定因素。10.人群疾病传播，主要通过模型来分析人群与社区中的疾病传播过程、潜伏期、以及相对应的检测方法男；11.风险特征与决策，作为本书的最后一章，概括了全书的内容并指出当风险评估的定量分析结果需要一个定性的决策时，还需要考虑很多其他因素。
本书作为全面介绍微生物风险评估的专业教材，既满足各高等学校生物类、环境类、 生物工程类、公共卫生、微生物类学科本科教学的需求，同时也满足不同层次和其他相关专业研究生的教学需要。
马雪征，硕士，助理研究员
（中国检验检疫科学研究院，卫生检疫研究所）
作为重要的人工智能分支领域，神经网络是用来处理非线性问题的有效工具。在特性上，神经网络具有较好的非线性映射能力，并且具有较好的适应性和容错性。在应用神经网络进行问题的计算时，不需要先验模型就可以直接从数据中获得学习规律。所以，可以用神经网络解决一些传统数学方法难以解答的问题，也可以完成对建模困难的复杂问题的处理。所谓的建筑经济管理，其实就是对建筑活动进行有效的预测和控制。在这一过程中，需要完成对建筑活动的真实描述和分析，并利用规律完成对各种现象的合理解释。但在实际工作中，建筑经济管理将涉及大量的变量，并且大多变量具有模糊性。在这种情况下，变量与常量之间常常体现出非线性的关系，继而难以利用传统数学解析式完成对变量的合理解释。而就目前来看，在建筑经济管理方面，利用神经网络可以解决管理中的复杂问题的处理。在工程造价预测、经济预警和招投标等多个方面，神经网络都具有较好的应用前景。
2建筑经济管理中的神经网络的应用
2.1在造价预测方面的应用
在建筑工程造价预测方面，神经网络可以应用于工程费用的估计。利用BP网络可以构造出工程成本预测模型，并真实完成对工程生产、管理等各个环节活动的模拟。而通过分析成本的各种组成，并完成对工程价值链构成的跟踪，则可以适应工程的成本变化，继而完成对工程造价成本的预测。就目前来看，已经有工程实例对神经网络在造价预测方面的应用进行了验证，而其取得的应用效果显然要好于传统方法。在应用神经网络进行工程估价时，可以利用网络的“特征提取器”完成对工程特征的提取。从大量的工程资料中，神经网络可以找出预算资料与工程特征之间的规律关系，并且完成对其它因素造成的资料偏差的纠偏，以便确保预测结果的有效性。此外，由于神经网络采用的是并行方式进行数据的处理，所以其能够尽快完成工程造价预测，继而满足建筑工作的造价分析需求。而利用神经网络完成工程造价预测，则可以帮助建筑承包商更好的完成项目资金的管理，继而避免出现资金短缺等问题。
2.2在风险预警方面的应用
在建筑管理活动中，将存在财务风险、金融风险和市场风险等多种风险，继而使建筑经济管理具有一定的风险性。而利用神经网络可以完成对风险的预警，继而使建筑经济管理的风险性得到降低。在利用神经网络进行工程经营风险和收益的评估时，神经网络系统可以算作是一种投资决策工具。具体来讲，就是需要对神经网络的非线性映射和模式分析能力进行利用，以便建立动态的风险预警系统。在此基础上，则需要将风险来源因素当做是系统的输入单元，继而得出相应的风险等级，并得出风险可能出现的区间。而输入的风险来源因素有多种，如项目复杂程度和不可预见因素等等。就现阶段来看，一个风险预警系统需要由多个神经网络构成，比如建筑项目投资风险预警系统就由多个ART网络、BP网络和一个MAXNET网络构成。
2.3在工程投标方面的应用
在激烈的市场竞争环境中，建筑企业需要提前分析出影响工程项目投标决策的因素，以便在竞争中取得胜利。而涉及的因素包含了市场条件、竞争对手情况和工程情况等多个领域的内容，并且因素本身多为模糊变量，所以很难确定因素对投标报价的影响。但是，利用神经网络则可以根据以往相似工程信息分析出因素与投标报价之间的关系，继而完成对工程报价的推理。而承包商根据这一推理结果，则可以确定需要采取的投标策略。同时，结合工程造价预测结果，承包商则可以完成对投标价格的确定，继而获得更大的竞争优势。就目前来看，神经网络在工程投标管理方面已经取得了一定程度的应用，有关的工程投标报价决策支持系统和招投标报价专家系统已经得到了提出[4]。通过将管理费率、竞争对手情况和市场条件等因素输入到系统的输入层，则可以得出工程投标报价的报价率。
2.4在其他方面的应用
除了以上几个方面，神经网络在建筑经济管理的其他很多方面都可以得到应用。首先，在建筑企业管理者制定经营决策时，神经网络可以为管理者提供决策支持。就目前来看，虽然可以利用统计学模型帮助管理者制定决策，但是这些方法无法处理数据不完整的复杂非线性问题。而神经网络可以从不可预见的数据中总结规律，继而为管理者解决复杂问题提供决策支持。其次，想要降低建筑工程成本，还要使工程资源得到优化配置。但就目前来看，没有数学模型可以完成对设计变更和设备条件等各种要素的影响效果的分析，继而难以帮助管理者合理配置建设资源。而神经网络可以完成对资源的预测，并确定资源的优先级，继而可以帮助管理者优化资源配置。此外，利用神经网络可以完成对已有数据和信息的全面分析，继而帮助管理者选择建筑材料、设备和施工方法。
3结论
关键词：支持向量机；预测；煤炭需求量；序列预测
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）20-4906-03
Coal Demand Prediction Based on a Support Vector Machine Model
XU Xiao-bing1，SHI Xing-yan2
（1.Zhengzhou Railway Vocational and Technical College， Zhengzhou 450052， China；2.Henan Vocational College of Agriculture， Zhengzhou 451450，China）
Abstract： In order to reduce the waste caused by excessive exploitation of coal issues and traditional coal demand forecasting method can not handle the small sample local minima problem， the article presents a support vector machine （SVM） forecasting model. This method is suitable to forecast demand of coal is transformed into series forecasting. This article discusses the basic principles of support vector machines， and also construct a multi-input， single-output SVM prediction model. Test results show that the traditional methods of coal demand forecast is very obvious advantages， with good use of space and market value.
Key words： support vector machine； prediction；coal demand； Series Prediction
国内能源消费的近四分之三是煤炭，所以说我国最重要的基础能源就是煤炭。煤炭产业在我国经济与社会发展中扮演着非常重要的角色。但是经常会出现过度开采，导致煤炭过剩的现象，这就造成了煤炭资源的浪费[1]。为了避免这种情况的出现，同时保证经济发展的需求，有必要对煤炭的需求进行科学正确的预测。目前预测的方法很多，常用的有神经网络、灰色系统模型预测法。但是这些预测方法都存在一些问题，比如神经网络预测法存在局部极小值问题，灰色系统模型预测法无法很好的处理好小样本、局部极小点的问题[2]。
为了解决传统煤炭需求预测方法存在的问题，文章提出了支持向量机的方法，此方法是基于系统学的VC维（ vapnik-chervonenks dimension）理论的一种机器学习方法。其最基本的原则是结构化风险最小化。支持向量机核心思想是通过求解线性约束的二次规划问题，从而能很好地得到全局最优解。
此算法的论述，主要处理时间序列预测，需要构造一个合适的基于支持向量机的预测模型。所以把煤炭需求量的预测转化为这样的方式进行处理。为验证此算法的正确性，文章还和基于RBF 神经网络的预测模型作了比较。
1 支持向量机的基本原理
此算法中，回归函数的估计是通过支持向量机算法实现的。设f是非线性映射，x是输入空间的映射，在进行这一高维空间做线性回归处理之前，必须通过f把x映射到一个高维特征空间中[3]。
设需要的数据点集可表示为：
式（1） 中，xi，yi分别表示输入向量和期望值，n表示数据点总数。
通过支持向量机算法进行函数估计的表达式为：
式（2） 中，f（x）表示非线性映射，w和b是系数，其最小化的估计式可表示为：
式（3） 中，Le表示损失函数，[C1ni=1nLε（yi，f（xi））]是经验风险，[12w2]是能把函数变得更平坦的正则化部分[6]。C是惩罚参数，可以通过这个参数让经验风险与正则化部分达到一个很好的平衡状态。e不敏感损失函数可表示成：
通过式（4） 可以很好的度量经验风险。同时式（3） 的凸约束条件下的二次凸规划问题也可以通过此时进行归纳：
式（5） 中，xi，xi*是松弛变量。其约束项可表示为：
通过对偶理论可以完成对式（5） 的求解。在求解之前必须转化为二次规划问题。设K（x，y）=f（x）・f（y），则优化问题的对偶式可表示为：
式（7） 的约束项为：
式（7） 中，K（x，y）表示核函数，并且K（x，y）= f（x）・f（y），其他的核函数还有：
多项式核函
基于径向基函数（ RBF） 的核函数
Sigmoid 核函数
所以回归函数可表示成：
2 支持向量机模型
2.1 预测模型的建立
设一个时间序列为：{X（t），t=1，2，…，n}，次序列表示往年的煤炭需求量，其预测模型可表示成：
式（13） 中，p是嵌入维数。
文章中使用的支持向量机预测模型的最重要的特点是具有多个输入端，输出端只有一个。
2.2 核函数的选择
文章选用基于径向基函数最为核函数的理由有：
第一，此函数能够很好地解决线性核函数无法解决的问题，比如类标签和属性间非线性的关系问题。这是因为此函数具有一个重要的特点，那就是能把样本非线性规划到更高维的空间中。
第二，模型选择是否简单主要是看核函数参数的数目的多少。和多项式核函数参数数目相比较来说，此函数的数目是比较少的，这样就能使模型更加简单。
第三，函数数值限制条件的多少也是选择核函数很重要的一个参考值，此函数的限制条件比Sigmoid 核函数少得多，同时其数值都是介于0和1之间，便于处理。
3 测试结果和分析
通过式（14） 把样本皈依到[0，1]，因为这样提高训练速度。
式（14） 中，[X（i）]是经过归一化处理的序列值，Xmax是最大值Xmin是最小值。
设p=5，通过支持向量机模型进行训练和检验。文章的核函数使用的是基于径向基函数，构建模型的参数设置为：e=1×10-7，u=2.4，C=10。通过此方法进行预测未来的用煤量，具体的结果曲如图1所示。
文章还使用RBF神经网络进行预测实验，把结果进行对比能跟好的看出文章使用方法的优越性。设分布密度是0.53。预测的结果可以通过2个参数进行衡量。
预测最大误差（ ME）可表示成：
平均绝对百分比误差（ MAPE）可表示成：
式（15） 和式（16） 中，[X′i]是预测值，[Xi]是真实值。M是预测序列个数。
两种方法的对比结果如表1所示。
从最终的对比结果可以看出，支持向量机模型的预测方法好比RBF模型好。这是因为，支持向量机模型可以通过常数进行调整，这样就能大大较小误差，同时还可以实现回归函数平滑，提高泛化能力。
4 结论
文章主要论述了通过支持向量机进行煤炭需求的问题，把煤炭需求的预测转化为序列预测的问题。文章中不但论述了支持向量机的基本原理，还建立的支持向量机预测模型。测试结果表明和传统的煤炭需求预测相比，优越性非常明显，具有很好的应用空间和市场价值。
参考文献：
[1] 宁云才.煤炭需求预测的复合小波神经网络模型[J] .煤炭学报， 2003（1）.
关键词：风险；财务风险；管理
一、引言
随着我国市场经济体制的建立和改革开放的不断深入，企业与市场的联系更加广泛，存在着各种难以预料或无法控制的因素，因而企业经营活动的过程和结果都具有很大的不确定性，从而使企业财务活动表现出风险性。在这种情况下，全面认识企业的财务风险，研究财务风险的有关内容、成因及其如何防范是企业管理部门普遍关注的问题。本文拟在分析企业财务风险内容、成因的基础上，寻求化解和防范财务风险的有效途径。
二、企业财务风险管理概述
1.风险的定义及特征
风险就是事物发展的不确定性，这种不确定性存在着两种可能的趋势，一种是未来实际结果比人们事先预期结果要好，即风险收益；另一种结果是比人们预期结果要差，即为风险损失。事实上，在未来的结果实际出现之前，两种可能性都是存在的。风险主要特征体现在以下三个方面：客观性、不确定性、损益性。
2.企业财务风险管理
（1）企业财务风险管理的意义
企业财务风险管理是指企业在充分认识其所面临的财务风险的基础上，采取各种科学、有效的手段和方法，对各类风险加以预测、识别、预防、控制和处理，以最低成本确保企业资金运动的连续性、稳定性和效益性的一项理财活动。
财务风险管理作为企业风险管理的重要组成部分，其意义是巨大的。它为企业全面、经济和有效管理风险提供了可能；为稳定企业财务活动，加速资金周转，保证资金安全、完整和增值提供了可能；增加了企业决策的科学性和有效性，是企业经营决策中的数据库和信息库；为企业提供了一个相对安全稳定的生产经营环境；对企业实现或超额实现经营目标，战胜风险，提高效益，增强实力，使企业立于不败之地具有重大的作用。
三、企业财务风险的内容及成因
财务风险是企业经营总风险在财务活动上的集中表现，包括了企业财务活动本身各方面所面临的各种风险。企业财务风险按照财务活动的基本内容分为筹资风险、投资风险、资金回收风险和收益分配风险四种。
1.筹资风险
随着现代企业制度的建立，企业成为独立的经营主体、市场主体、投资主体、利益主体和责任主体。企业必须采取多种方式、多渠道筹集资金，以满足生产经营和企业持续发展的需要，这就不可避免的存在一定的筹资风险。筹资风险是指企业筹资后不能按既定目标取得资金使用效益而无法按要求履约，以满足资金供应者预期结果和实现企业财务管理目标的可能性。在市场经济条件下，企业筹资的方式较多，如吸收直接投资、发行股票、发行债券、银行借款、商业信用、融资租赁等等，但从这些资金的产权来看，可分为借入资金和自有资金两类。在企业筹资总额一定的情况下，借入资金与自有资金的结构比例不同，也会影响到借入资金的偿还，再由于负责费用不随经营成果的变化而变化，且在税前列支，具有所得税抵减效应，从而加剧了企业所有者权益变化的不确定性，这种风险是与筹资结构有关的风险，故称为筹资结构风险。因此我们认为，筹资风险具体包括借入资金风险、自有资金风险和筹资结构风险。
2.投资风险
投资风险是指投资项目不能达到预期效益，从而影响企业盈利水平和偿债能力的风险。企业投资风险主要有三种：一是投资项目不能按期投产不能盈利；或虽已投产，但出现亏损，导致企业盈利能力和偿债能力降低。二是投资项目无亏损，但盈利水平很低，利润率低于银行存款利息率。三是投资项目既无亏损，利润率也高于银行存款利息率，但低于企业目前的资金利润率水平。
3.资金回收风险
资金回收风险就是指企业产品售出后，从成品资金转化为结算资金，再从结算资金转化为货币资金，这两个转化过程，由于在时间上和金额上的不确定性所导致的风险，在社会主义市场经济条件下，企业一律进入市场，公平竞争，为了搞活经济、矿大销售、企业广泛采用了各种赊销方式。这种情况一方面为企业的发展提供了机遇，另一方面也加大了企业资金回收风险，大大加强了坏账损失的可能性。对于这种信用风险，最好的防范措施是，在事前充分了解融资对方的资信状况，不可轻易拖欠。对已发生的“三角债”，尽管清偿债务困难重重，仍应借助于法律程序，以积极的态度寻求适当的拖欠办法。
4.收益分配风险
收益分配是指企业的财务成果即利润对投资者的分配。收益分配风险是指由于收益分配而可能给企业未来的生产经营活动带来的不利影响。在企业效益有保证、资金运转正常、调度适当的情况下，合理的收益分配会调动投资者的积极性，提高企业的商誉，给企业今后的筹资活动奠定良好的基础。但是收益分配也有风险，因此企业无论是否进行收益分配，也无论在什么时间，以什么方式进行，都具有一定的风险。
四、企业财务风险管理的基本方法
企业财务风险管理方法是企业为避免或减少风险，在财务风险预测、决策、防范和处理这一整个连续管理的过程中，用来完成财务风险管理任务的手段和基本工具。
1.财务风险预测方法
财务风险预测方法是指通过对企业风险的识别和估量，找出企业所面临的各种风险及这些风险对企业财务的影响所运用的方法。它包括风险识别法和风险估量法。
2.财务风险决策方法
有人曾指出：最大的收益是决策的效益，最大的浪费是决策的失误。决策在财务风险管理中同样至关重要。财务风险决策就是在企业财务风险预测的基础上，通过对企业风险的综合评价，为完成决策者所期望的目标而选择一个最佳方案。进行财务风险决策，有三个方面的重要因素：一是决策者拥有的信息量，二是决策者自身的综合素质，三是决策者对待风险的态度。
风险预测是风险决策的基础工作，而风险的防范和处理是风险决策的保证和善后环节，因此财务风险决策是整个财务风险管理的中心环节。
3.财务风险预防与控制方法
财务风险预防与控制就是企业在识别风险、估量风险和分析风险的基础上充分防御，有效控制风险，用最经济的方法把财务风险可能导致的不利后果减少到最低限度的管理方法。企业财务风险的防控就是使财务风险不影响企业的生产经营活动，不影响企业的效益。财务风险预防和控制的方法分为分散风险法、回避风险法、转移风险法和自留风险法四大类。
4.财务风险处理方法
财务风险处理是对企业在生产经营活动中为预防和控制风险而发生的一切支出以及由于风险结果的出现而引起的损益进行核算和分配，借以考核企业风险管理绩效。它包括风险会计核算和风险损益处理两个方面。
五、结束语
综上所述，企业财务风险管理是企业风险管理的重要组成部门，无论是理论还是实践运用，对企业均有重大的意义。随着我国经济的发展，企业财务风险管理必将得到极大的关注，并用之于实践，形成财务与管理的最佳结合。
参考文献：
[1]程德兴.企业风险财务管理研究.北京：石油工业出版社，1998.8
财务公司流动资金的管理、运用是整个公司经营的关键，财务公司流动资金既要保证成员单位资金的正常支付，防止流动性风险的发生，又要提高资金使用效率，因此财务公司未来资金的预测对资金的有效运用起着非常重要的作用。通过预测，为财务公司的风险管理和资金合理运用提供帮助。选择合适的预测方法以及是否使用得当对财务公司的未来业务发展起着非常重要的意义。
二、概念及构成
财务公司流动资金是指存放在各商业银行的同业存款的可用资金。其资金主要来源于吸收成员单位的存款、自有资本金以及财务公司各种融资业务所增加的存款。资金的使用主要分为三部分，第一部分：需要缴存的法定准备金；第二部分：保证成员单位正常业务支付的资金；第三部分：除上述资金外财务公司自身能够支配的剩余资金。其中，第二部分资金预测的准确性是资金预测方法中的关键部分，也是预测中的难点。因为这部分资金是由成员单位控制的，而且资金金额可能巨大，它的变动会对财务公司资金产生很大的影响。
三、财务公司流动资金的影响因素
（一）成员单位的资金结构。财务公司流动资金主要来源于成员单位的存款，成员单位的存款结构及资金波动等因素是影响财务公司流动资金的主要因素。
1、成员单位的存款结构。成员单位存款按照存款期限分为活期存款和定期存款。活期存款为成员单位日常经营活动使用的资金，这类资金流动性强，每日资金流量大，财务公司必须存有一定量的备付资金保证单位资金正常运行，这类资金是财务公司流动资金预测的重点和难点。定期存款分为三个月、六个月、一年期限，这类存款存期长、资金稳定，是财务公司资金可利用的最佳资源。
成员单位存款按照存款金额分为重点大客户存款和一般客户存款。如果存款余额高度集中于重点大客户，则单位大额资金支付现象将会增多，引起资金波动较大，导致资金不稳定；相反，存款余额分散在一般客户，其分散度越大，资金则越稳定。
成员单位存款按照存款用途分为日常性生产经营存款、特殊存款。日常性生产经营存款指成员单位在生产经营过程中发生的货款、税费、工资及其他生产经营性费用等存款。特殊存款指成员单位临时性倒贷、投资、其他特殊性存款。日常性生产经营存款资金变动有一定周期性规律，资金相对稳定；特殊存款具有金额大、留存时间短、无规律性等特点，财务公司很难利用该类资金进行有效运作。
2、成员单位资金变动流量。财务公司运用资金进行投资、融资的首要条件是必须保证成员单位资金的支付，结算资金的变动是由成员单位所控制，其资金变动额越大，所需要备付的头寸就大，沉淀资金就越少，因此，它的变动对财务公司的头寸产生很大的影响。
（二）财务公司合作银行分布数量。财务公司合作银行分布数量对财务公司资金流动性也会造成影响，合作银行数量越多，同业资金越分散，使用效率降低，流动性越差。所以，要按照成员单位存款结构等因素合理分配资金，防止因个别合作银行资金不足造成员单位资金无法支出。
（三）财务公司资金管理。财务公司在保证成员单位支付资金正常运行的同时，还承担着增加资金收益，提高资金运作效率的职能。财务公司选择金融工具的变现能力强弱、是否精细化，将直接决定财务公司流动性资金的风险，所以除了要提高资金计划工具的精细化程度外，还需要合理地运用贷款、票据贴现、法人账户透支等金融工具，否则，将会加大流动性风险。
（四）外部环境影响。成员单位的存量受外部经济环境及企业自身经营状况的影响，在国家宏观经济政策宽松、企业经营良性循环时，成员单位资金相对充裕，存量稳定，财务公司可利用的沉淀资金也会增加，反之，成员单位资金存量降低，增加流动资金风险。
四、流动资金预测方法
财务公司流动资金预测是以历史数据和现实调查资料为基础，对未来流动资金的需求量所做的推测和预测。
（一）历史数据分析
1、成员单位存款结构分析。财务公司流动资金主要来源于成员单位存款，其中，活期存款是影响同业资金变动的主要因素，重点大客户的存款变动情况是活期存款变动的关键部分。
2、资金变动情况分析。财务公司流动资金预测的目的，是能够保证财务公司资金达到最佳持有量，既能保证成员单位的资金正常支付，又可将资金得到充分合理运用，从而使价值最大化。通过历史数据分析，掌握成员单位日常业务和特殊业务大额收支净额变动情况，寻找留存资金最佳持有区间。
成员单位资金在收入、支出过程中，成员单位资金净额（当日现金流入量-当日现金流出量），是财务公司必须要保证的最低资金支付量。成员单位收付资金包括特殊业务资金（包括贷款、投资、其他特殊资金）和日常性业务资金。特殊业务资金变动无规律、金额大、存期短、必须在一定期间内保证支付，很难利用；日常性业务资金，反映成员单位日常性业务资金变动情况，主要包括成员单位货款、税费、工资及其他生产经营性费用、销售收入等，具有一定的变动规律，资金可以长期沉淀，是财务公司基础存款额的重要组成因素。
另外，在成员单位资金收、支变动过程中，除上述保证成员单位净额外，还需要备足一定的资金，以预防特殊情况发生。
（二）成员单位未来资金计划。掌握成员单位未来的资金收支计划，是财务公司预测流动资金的重要因素，是保证预测资金准确性的前提条件。财务公司需制定成员单位资金收支计划表，周期性了解重点大客户的大额资金收支计划，为财务公司下一周期的资金合理运用提供依据。
（三）资金预测方法
1、通过以往历史数据分析，按照周期性资金变动掌握成员单位日常资金收支净额及预防特殊意外支出的备付金，确定财务公司资金基础存款额作为资金最佳存量。
基础存款额=单位日常收支净额+备付金
2、以上一周期财务公司资金余额为起点，在基础存款额的基础上，根据下一周期成员单位大额资金收支计划，预测出下一周期财务公司余额。
预测的资金余额=上一周期资金余额±单位计划大额收支净额±预缴法定准备金
3、根据财务公司预测资金存量的结果，若低于基础存款额，通过拆借、票据融资等手段补充资金，保证单位正常支付；若超出基础存款额，超出部分可进行合理运用。
财务公司可运用的资金=预测的资金余额-基础存款额
五、存在的问题
财务公司资金预测是否准确主要依赖于成员单位资金计划的准确度。成员单位因自身掌握的信息不及时、不全面，未形成制度化，缺少信息的准确性、规范性，为财务公司预测带来了很多不确定性。
关键词： 负荷预测；数学统计；人工智能
DOI：10.16640/ki.37-1222/t.2016.11.198
0 引言
自上世纪70年代开始，国内外对电力系统负荷预测的研究热情逐渐升温，进入上世纪80年代，我国步入到大力发展经济建设的阶段，电力需求极度旺盛，然而能源又极度紧张，电力供电一度出现供应不足的情况，负荷预测开始成为电力公司一项必要的日常工作任务。20世纪90年代，全球电力市场化层层渗透，随着科学技术的迅猛发展，新的预测方法层出不穷，为电力负荷预测问题的研究提供了后备力量。
长久以来，国内外学者以及电力相关从业人员在长期的实践研究过程中，不断探索负荷预测新方法，随着近年来各种数学模型的涌现，以及人工智能的发展，出现了不少新颖的预测方法，这些方法大概能分成两大类别：一类是数学统计类的经典预测方法，比如回归分析法、趋势外推法、时间序列法等；另一类是人工智能类的新型预测方法，如80年代后期流行的专家系统法、90年代后期发展起来的人工神经网络法等。下面分别介绍这些主要预测方法。
1 回归分析法
回归分析是一种经典统计学上分析数据的方法，通过对历史负荷数据进行统计归纳分析总结，寻找预测输入变量与影响负荷变量之间的某种相关的线性或非线性关系，并以此关系的规律建立数学模型，从而实现对未来负荷的基本预测。简单来讲就是建立自变量与因变量之间关系模型，依照变量数目的不同，一般分为单元和多元回归分析。该方法原理成熟、计算简便、运算速度快，但是过分依赖历史负荷数据，对样本容量需求过大，对平稳的且大量的历史数据有着不错的预测效果，但是在遇到气温，节假日等变化较大因素的影响下，该方法无法反映实时与非线性的影响关系。
2 趋势外推法
节假日、社会环境、天气变化会对电力负荷波动造成干扰，尽管在形成这种具有随机性、不确定性的情况下，电力负荷总是本质的保持着一定的波动趋势。我们可以在其中找出负荷的这种趋势，根据这些负荷变化的相关历史趋势，拟合一条负荷波动趋势曲线，按照这条拟合出来的曲线的发展趋势，估计曲线上在未来某点的负荷变化，根据不同的负荷波动，采用不同的曲线拟合，这就是所谓的趋势外推法。此方法优点与缺点同样突出，优点是所需历史负荷数据样本较少，特点是作趋势向外推断，完全忽略分析内部的不确定成分，缺点是对影响因素变化大的因子无法考虑进来，如果负荷波动较大，那么误差将会增大。
3 时间序列法
时间序列分析法是将历史负荷变化所产生的变化规律，依照时间的先后顺序进行排序，以时间为轴揭示负荷随时间变化而变化的发展规律，利用这种对应关系，就可以将过去时间里发生的负荷变化规律作为未来时间里负荷变化的预测根据。同样，时间序列法在电网正常运行，受外部环境影响变化小的平稳状态下具有良好的预测精度，但是对时间序列的平稳性要求过高，一旦负荷受到特殊事件（如停机等）不确定性因素的影响，那么该方法也将失去其预期的效果。
4 专家系统法
专家系统其实是一种复杂的计算机程序设计系统，将计算机模拟成负荷预测的人类专家，基于历史负荷变化知识数据库，汇集人工经验智能的利用计算机处理负荷信息，按照专家水平进行预测判断工作。专家系统结构如图1所示。在处理节假日等需要依靠人工经验来判断的不确定性影响因素对负荷影响产生较大的变化时，此方法有取得了很好的效果，但是各个地区的电力环境不同，造成计算机程序复杂，数据庞大，能否准确的对各个因素对负荷造成的影响进行定量分析成为了一个较为难以克服的困难。
5 人工神经网络法
人工神经网络是模拟人脑智能化地处理信息的人工智能预测方法，它通过学习获得最优的参数，处理预测输出与输入影响变量之间复杂的非线性关系，对于分析处理任意复杂的非线性关系问题以及随机的不确定性问题有着良好的解决问题能力。正因为它具有出色的学习能力，预测过程中都可以随时不断地选择新的训练样本来优化和微调系统参数，这样对非结构性、模糊性的规律具有一定的自适应功能，避免了数学建模的困难，也提高了系统计算的时间，相比较前面介绍的四种方法，它还能考虑并反映出各种不确定性因素（如气候、特殊事件、节假日因素等）对负荷造成的干扰影响，更加适用于短期负荷预测。但是，人工神经网络预测也存在许多缺陷，网络的层数和神经元的选择基本上要依靠经验反复实验帮助确定，且网络收敛慢，容易陷入局部收敛。它本质上是一种基于经验风险最小化的方法，范化能力有限，另外在小样本学习方面也受到了不小限制。
6 支持向量机法
支持向量机（Support Vector Machines， SVM）是由BELL实验室的Vapnik 等人在20世纪70年代中期提出的一种新型机器学习算法，因其卓越的性能，在模式识别和处理函数回归估计问题等诸多领域内受到了各研究学者们的强烈青睐。支持向量机与传统的人工神经网络预测方法所采用的经验风险最小化归纳原则是截然不同的，它实现了结构风险最小化（Structure Risk Minimization， SRM）的归纳原则，对未来样本的泛化能力明显增强。从理论上说，SVM的训练相当于解决一个线性约束的二次规划问题，所以必然存在解，获得的将会是全局最优解，这样就无形解决了人工神经网络预测方法中根本无法规避的局部极值问题。对应的支持向量本质上是训练样本集的子集，对训练样本集进行分类实际上就是对支持向量进行最低分类。 当Vapnik引入ε-
（下转第208页）（上接第215页）
不敏感损失函数之后，支持向量机由原来解决简单的模式识别问题扩展为解决复杂的非线性回归估计问题，我们把这一扩展内容称之为支持向量回归法（Support Vector Regression， SVR）。将各种负荷影响因子的历史信息作为系统输入量，建立训练样本空间，采用非线性映射变换方法将低维空间映射到高维特征空间，构造线性函数进行线性回归，巧妙地解决了维数问题，构建SVM目标函数，将训练好的预测模型应用于电力系统的负荷预测中去。影响电力系统短期负荷预测精度的因素包括日照、气温等气象因素及国家政策、节假日因素等其它不确定性影响因素。可见，电力负荷由于这些因素的影响，本身就是一个复杂的非线性系统，而SVM模型求解算法简单、泛化能力强、收敛速度快，在解决有限小样本、非线性系统及高维识别问题中具有超群的优越性，如果将其置于短期负荷预测上，显然SVM方法比起上述其他预测方法更加适用于电力系统本身。随着机器学习，支持向量机的不断发展，在此基础上不断改良的支持向量机预测方法逐渐涌现，人们追求更高的预测精度的诉求一直在不断扩进。同时，寻找满足适合各类电网环境的负荷预测新方法也成为了人们继续研究的新命题。
7 结束语
本文通过分析基于数学统计的经典预测方法和基于人工智能的新预测方法，将回归分析法、、趋势外推法、时间序列法、专家系统法、人工神经网络法、支持向量机法进行了比较分析，得出支持向量机是当前最合适的一种方法。
参考文献：
[1]斐乐萍.县级区域短期电力负荷预测研究[D].华北电力大学，2014.
[2]尹立.基于支持向量机的某区域电网电力需求的预测研究[D].北京交通大学，2014.
1.政策对房地产市场的影响分析。在当前世界各国的经济体制当中，不管是市场还是政府部门占据主导地位，其都沾有混合经济的色彩。世界很多国家都是以市场经济作为主导，当市场经济失效之后，政府部门会通过宏观调控的手段，对市场进行一定程度上的调节，促使其回归正常发展。政府部门在市场干预时，其干预的程度与市场的发育程度相关。我国的房地产市场发展起步较晚，市场经济发展不够完善，房地产市场出现了比较明显的波动，例如在市场运行过程中，存在着很多不规范的行为。对此，政府会通过政治、法律、经济等各方面的手段，对房地产市场进行调节，保证市场经济的良好运行。
2.景气周期对房地产影响分析。在市场经济的运行过程中，存在着大量的周期循环，上到国家经济，下到私营企业，都有很多循环。由于房地产的投资数额很大，循环周期也很长，所以其过程中也存在着很多的风险。对此，房地产企业应当掌握最新的市场动态，对市场环境保持高度的敏感，才能有效的避免风险，提高收益。当消费市场发生转变的时候，房地产企业应当抓住机会，才能在市场经济下赢得先机。
二、前期策划阶段房地产消费者行为模式
1.消费行为描述分析。房地产消费者购买行为描述可以将其简单的描述为5W和1H，其中5W分别表示为：谁来买房子，什么地方买房地产，为什么买房地产，买什么样的房地产以及什么时候买房地产。1H表示为：通过何种方式购买房地产。
2.对消费行为过程的分析。在市场经济当中，消费者在决定购买时所进行的不只是单独的行为，而是一连串具有关联的行为。消费者在选择购买房地产时，往往会首先进行认知、评价、评价、决策，然后才能确定购买。在认知过程中，消费者可能产生的后续购买行为都是以购买动机为基础的。因此想办法激发消费者的购买动机，是十分重要的。对此，房地产企业在进行前期策划的时候，要细致的分析和探讨消费者的实际需求，如何充分的引起消费者的购买兴趣，激发其购买动机。
三、房地产市场分析以及相应预测
1.房地产预测的含义和内容。推测和预见可能发生在房地产市场中的不确定因素的发展趋势，从而做出正确的应对方针，是房地产预测的真正含义和实际作用。房地产市场预测包括了市场的需求预测、购买力预测、市场供给预测、价格变动预测、产品市场占有率预测、社会效益预测以及经济预测。针对房地产前期策划和市场调查，应对市场的承载量和政府提供数据进行分析和比较，以此作为房地产企业决策的依据。
2.房地产预测方法。市场预测的方法主要对相应的数据资料进行掌握和了解，分析和研究拟定的预测目标。在实际操作中，有很多不同的方法可以进行市场预测，在不同的领域当中，都存在着各自不同的预测方式。而同一种预测方法，有时也可以对不同的领域进行预测。在对房地产市场中的具体情况进行预测时，会涉及到很多的问题，其内容也十分的复杂。要给予这些细节充分的重视，并从中获取有用的信息。
3.影响房地产市场预测的因素。当前，我国大多是的房地产企业对于市场预测的认识程度不够，仅仅只进行了表面数据资料的分析和研究，没有准确的进行市场定位和目标客户群划分。房地产市场需求的影响因素很多，常常以房地产的需求量作为标准，并通过这种标准对房地产的销售面积和居住水平进行预测。无论是国外学者还是国内学者都对此有所研究，但是其在研究过程中对于影响房地产的关键因素却十分不足，甚至选取的关键因素出现偏差。由于我国和世界其它国家相比，市场的发展程度和具体情况都不尽相同，因此，对于能够对房地产市场产生影响的因素也是多种多样。国外的房地产市场的发展程度相对比较成熟，其消费者的阶梯形较为明显。因此，对国外房地产市场预测产生影响的因素主要是租金方面的问题。而在我国却有所不同，由于我国的房地产市场成熟度较低，国人的消费观念由于国外不同，因此，在对我国的房地产市场进行预测时，不能以租金作为主要因素来进行。
四、结束语
1 遥感技术在疫情监测中的应用现状
国外在应用遥感技术进行疫情监测方面的研究起步较早。1971年，美国学者Cline首次提出将航空遥感影像作为流行病学研究工具的设想［3］。随后，美国国家航空和宇宙航行局（NASA）与得克萨斯大学合作研究，对遥感技术在传染病监测中应用的可行性进行了证实［4］，标志着遥感技术在疫情监测中应用的可行性理论研究与论证工作的开始。在后来的研究中，众多学者利用诺阿(NOAA)、梅托沙(METEOSAT)等气象卫星影像数据对气温、湿度、饱和差、降雨量、植被覆盖等与疫情发生与流行有关的气候环境因素进行研究和分析［5，6］，以及利用斯鲍特(SPOT)、地球资源探测(LANDSAT)、蒂姆(TM)等系列卫星对地形、地貌、植被结构、植被丰度、地表湿度等可以用于疫情识别、预警的地理因素进行研究和分析［7，8］。我国在应用遥感技术进行疫情监测方面的工作起步较晚。但已取得一定成果，包括应用地理信息系统对钉螺、鼠疫、疟疾等流行病的空间分布、风险分析，以及与降雨量、空气湿度等环境因素之间的定性、定量关系进行的研究［9-15］，还有应用遥感、地理信息系统等遥感技术对疟疾、血吸虫、钉螺等流行病进行趋势预测研究［16-20］等等。目前国内外在遥感技术支持下的疫情监测研究主要集中在实验型研究阶段，已有的成果仅局限于理论方面的探索研究，相应的理论、方法、模型、技术流程尚不成熟，有关实际应用方面的研究开展的较少，尤其在与综合减灾业务结合方面仍然是一个空白。
2 遥感技术在灾后疫情监测中应用的理论基础
21 疫情暴发流行与环境因子关系密切 蚊媒的孳生、繁殖与自然因素密切相关，其中气温、降雨量、相对湿度为主要影响因素［20］。许多疫情的发生和流行与地理位置、海拔高度、空气湿度、居住环境等空间信息密切相关。研究表明，约80％的流行病学资料具有空间属性［4］，部分疫情的暴发流行与环境因子密不可分。对这类传染病来说，监测控制其赖以暴发流行的环境因子，是揭示疫情发生机制、提高疫情防治效率的重要途径。
22 自然灾害导致灾区生态环境突变 自然灾害发生，除了本身造成社会经济损失和人员伤亡外，还可能引发疫情，因为灾害发生往往会造成灾区生态环境的突变。具体表现为：（1）灾害可滋生疫情暴发流行环境，加快病原体的扩散和传播速度，极易造成一些自然疫源性疫病的流行。（2）灾害可降低灾民的疫情抵抗力，临时安置的灾民往往流动性强、居住环境、生活条件差，机体抵抗力大大降低，增加疫情发生与传播的机率。（3）灾害可破坏灾民日常医疗体系，难以及时进行病情诊断和治疗，延缓救治时间，扩大疫情传播、流行范围。
23 遥感技术是灾区疫情监测的重要技术手段 遥感技术能比较快速、准确、客观地监测地表环境因素的变化，且具有覆盖面广、信息丰富、可重复观测、不受地理环境条件约束等特征。建立灾后疫情案例数据库，基于空间信息技术和传染病病理学，研究分析灾后疫情发生、流行与周围环境因子之间的关联关系，并应用数理统计方法确定引发疫情发生与流行的主导性环境因子及其临界值。当区域灾害风险增大时，结合灾后疫情案例库判断灾害可能会引发的疫情种类。在进行灾害风险遥感监测的同时，也开展植被结构、植被丰度、降雨量、水系分布、地表湿度、地表温度等灾后疫情主导性因子的遥感监测。然后，综合分析区域自然因子、传染病预防与控制物资筹备、传染病应急处置能力等，进行灾后疫情风险分析和预警，为灾后疫情的预防和控制提供决策支持依据，灾后疫情遥感监测流程见图1。
3 遥感技术支持下的灾后疫情监测体系建设
31 疫情数据库管理系统 灾后疫情数据库管理系统是遥感技术支持下的灾后疫情监测体系建设的基础，它直接影响着疫情风险预警、评估和救助的工作效率，影响着综合减灾的效率，包括引发疫情的灾害案例收集、灾后疫情形成机制分析、疫情数据库管理系统研究开发等内容。其中，灾害案例是分析灾后疫情成灾机制的依据，在收集引发疫情灾害案例的基础上，分析疫情区地形、地貌、相对湿度、海拔高度等居住环境，以及人口密度、居民年龄比例、居民性别比例、居住区植被覆盖度、水源污染情况等居住条件，并按照灾种、时间、区域等标准进行程序化处理。
32 灾后疫情风险等级划分体系 灾后疫情是灾害事件直接导致的结果。所以，灾后疫情风险等级的划分与灾害事件本身密不可分，只有在灾害风险分析的基础上才可以确定灾后疫情风险等级。通过分析灾害风险，并结合灾后疫情案例数据库，确定灾害可能引发的疫情事件类型。然后，综合考虑灾害风险区自然因子（气温、降雨量、相对湿度、海拔高度等）、居住环境（人口密度、人口年龄构成、疫情暴发频次、疫情损失等）、预防与控制物资储备（救灾物资、疫苗、药物、医疗器械等）、预防与控制能力（卫生处理能力、应急响应能力、医疗水平等）等，在空间信息技术与数理统计模型的支持下，建立风险评价指标体系与方法体系，对灾后疫情风险进行等级划分。
图1 灾后疫情遥感监测流程图（略）
一般情况下，以一个相同的指标体系对不同的疫情进行风险评估是可行的。但是，由于不同疫情暴发与流行的媒介生物、病原体及其他影响因素不尽相同，而且灾民对传染病的抵抗力也存在很大差异。所以，在使用灾后疫情风险等级评估体系时，要具体疫情具体对待，并根据实际情况进行必要的调整。
33 灾后疫情风险早期预警体系 与灾害事件相比，灾区疫情的发生具有一定的滞后性，即灾害事件发生后，随着环境条件的恶化，病菌生存、繁殖的环境，以及传播的媒介逐渐形成，并开始作用于人体，从而导致疫情的暴发与流行。因此，基于遥感技术，建立灾后疫情风险早期预警体系，可以有效预防与控制灾区灾后疫情的暴发与流行。具体内容如下：（1）建立疫情预警业务运行机制：灾害给灾区带来的影响和损失是多方面的，但是这些影响和损失都可以通过灾民的伤亡程度加以体现。所以，灾害发生后，灾害应急救助工作的重点是救人，尽可能将人员伤亡降到最低。但是，在开展灾害应急救助的同时，也应该重视对灾区环境变化的监测，以预防灾后疫情的暴发与流行。因此，在现场调查与遥感技术相结合的基础上，建立灾区疫情预警业务运行机制，将灾区疫情监测预警工作纳入灾害应急监测评估与预警的业务体系中。（2）建立疫情预警技术方法体系：在灾区疫情监测中，关键是要选取合适的遥感影像，以提取与疫情有直接关系的环境因素的变化信息。同时，作为一种技术手段，遥感技术具有现场调查无法替代的优点，但却无法完全替代现场调查工作。所以，灾后遥感疫情预警技术方法体系包括多尺度遥感影像融合、遥感监测与地面监测疫情数据融合、遥感影像疫情信息识别等技术方法。（3）建立疫情预警产品制作标准与规范：为了统一制图标准，便于灾民识别和理解，有必要建立灾区疫情预警产品制作规范。即在遥感技术的支持下，研究确定灾区疫情预警产品快速制图的技术规范、数据处理模型、数据处理方法、预警产品制图等标准，建立遥感技术支持下的灾区疫情预警产品制作标准与规范，为灾区疫情预防与控制提供依据。
34 建立灾后疫情救助辅助决策支持体系 灾后疫情救助辅助决策支持体系包括疫情传染源识别、疫情传播路线预测、疫情预防与控制决策支持等功能。（1）监测识别疫情传染源：结合地面调查资料，基于疫情发生机理，从疫情与环境因素之间相关关系的角度，应用遥感技术监测识别疫情暴发与流行的周围环境状况，确定病原体或媒介的可能孳生地。（2）监测识别疫情传播路线：应用遥感技术分析病原体或媒介孳生地环境因子，通过对比分析疫情高发区和低发区的环境因子，识别确定疫情暴发的主导因子。在此基础上，结合地面调查资料，利用遥感影像数据分析疫情病原体或媒介孳生地周边环境状况，预测疫情可能暴发的潜在疫区，并对疫情可能流行路线进行预测分析。（3）疫情预防与控制决策支持：遥感技术是灾后疫情风险，以及疫情暴发与流行监测识别的重要技术手段。遥感对灾后疫情监测识别结果可以通过网络视频会议系统、网上电子政务系统、数字化医院管理信息系统等系统相结合，并直接为灾后区域医疗资源统一调度、医疗救治、远程医疗等医疗救治信息服务。
4 结语
基于灾后疫情与环境因素密切的相关性，遥感技术成为灾后疫情监测预警的重要技术手段之一。随着气候变异，重大自然灾害发生频率呈现明显增加的趋势，相应地，灾后疫情暴发流行的风险日益增大。为此，结合灾后疫情发生特点和综合减灾的实际需求，加强遥感技术支持下的灾后疫情监测体系建设工作迫在眉睫。
参考文献
〔1〕 闵宗殿.明清东南亚疫情研究［J］.学术研究，2003，10：109-115.
〔2〕 蒋启荣，蔡树淦，刘付启荣，等.对洪涝灾区灾后动物疫病防控工作的建议［J］.广东畜牧兽医科技，2005，30(5):3-4.
〔3〕 Cline BL.New eyes for epidemiologists:Arial photography and other remote sensing techniques［J］.Am J Epidemiol， 1970，92(2):85-89.
〔4〕 徐德忠，张治英.地理信息系统和遥感技术与流行病学［J］.中华流行病学杂志，2003，24（4）:251-252.
〔5〕 SI Hay， CJ Tucker， DJ Rogers，et al.Remotely sensed surrogates of meterorological data for the study of the distribution and abundance of anthropod vectors of disease［J］.Annals of Tropical Medicine and Parasitology， 1996，90(1):1-19.
〔6〕 Brad Lobita， Louisa Beck， Anwar Huq， et al.Climate and infectious disease:use of remote sensing for detection of Cibrio Cholerac by indirect measurement［J］.PNAS，2000，97(4):1438-1443.
〔7〕 Hassan A N， Beck L R， Disaster S.Prediction of villages at risk for filarias is transmission in the Nile Delta using remote sensing and geographic information system technology［J］.J Egypt Soc Parasitol， 1998，28：75.
〔8〕 Dister S W， Fish D， Bros S M，et al.Landscape characterization of peridomestic risk for Lyme disease using satellite imagery［J］.Am J Trop Med Hyg， 1997，57(6):687-692.
〔9〕 郑英杰，钟久河，刘志德，等.应用地理信息系统分析洲滩钉螺的分布［J］.中国血吸虫病防治杂志，1998，10（2）：69-72.
〔10〕 周晓农，洪青标，孙乐平，等.地理信息系统应用于血吸虫病的监测 I.应用预测模型的可能性［J］.中国血吸虫病防治杂志，1998，10（6）：321-324.
〔11〕 周晓农，胡晓抒，孙宁生，等.地理信息系统应用于血吸虫病的监测 II.流行程度的预测［J］.中国血吸虫病防治杂志，1999，11（2）：66-70.
〔12〕 周晓农，孙宁生，胡晓抒，等.地理信息系统应用于血吸虫病的监测 III.长江洲滩钉螺孳生地的监测［J］.中国血吸虫病防治杂志，1999，11（4）：199-202.
〔13〕 杨国静，周晓农.GIS与RS在寄生虫防治研究中的应用［J］.中国寄生虫病防治杂志，2001，14（1）：64-66.
〔14〕 梁松，辜学广，赵文贤，等.大山区血吸虫病流行区危险环境识别及控制策略的研究［J］.实用寄生虫病杂志，1996，4：54.
〔15〕 周方孝，刘振才，房静，等.建立达乌尔黄鼠鼠疫疫源地中地理信息系统的操作方法［J］.中国地方病防治杂志，2003，18（2）：100-102.
〔16〕 房静，周方孝，刘振才，等.遥感技术及其在鼠疫监测中的应用［J］.中国地方病防治杂志，2001，16（2）：124-126.
〔17〕 姜庆五，刘建翔，林涛，等.利用TM卫星遥感图像对鄱阳湖血吸虫病流行区水体识别研究［J］.中国公共卫生，2001，17（4）：289-290.
〔18〕 于国伟，曾光，唐音，等.利用遥感技术对洪涝灾区县界定分级的研究［J］.中国公共卫生，2003，19（8）：897-898.
关键词：农产品;价格;预警;灾变灰
中图分类号：F323.7 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2015.04.012
Forecasting for Changes of Farm Produce Price Based on Calamities Grey Prediction and its Application
SONG Jing
（Department of Finance and Economics， College of Xinyang Agriculture and Forest， Xinyang， Henan 464000， China）
Abstract： As farmers and the consumers would suffer much unexpected loss due to the farm produce price exceptional fluctuations， so forecasting and then addressing them correctly becomes increasingly important today. In order to predict this price fluctuation effectively， a risk forecast model for exceptional changes of farm produce price is proposed based on grey prediction theory， and the effectiveness of the model is tested by a case subsequently. The result provides satisfying support for the validity of the model.
Key words： farm produce;price;risk forecast;calamities grey
在市场经济条件下，随着市场供求关系的变化，农产品价格围绕价值曲线上下波动是一种正常现象。对农户而言，一方面需要采取各种措施来应对价格波动，以达到抵御风险和降低损失的目的，另一方面，采用科学的方法对价格变动趋势进行有效地监控和预测，为农户提供精确的预测数据对农业生产而言至关重要。由于国家宏观调控政策的实施，加之农户自己在市场信息搜集方面的投入和努力，农产品价格会保持相对稳定。然而，以往研究表明农产品价格的起落常常是由多种外部因素交互作用所导致的[1-3]，正因如此，在某些年份农产品价格波动可能会出现异常现象，会比其他年份明显偏低或偏高，不仅给农户带来重大经济损失，而且会对广大消费者的生活带来极大的不便和麻烦，并进而对社会稳定造成隐患。例如，2007年的猪肉价格异常偏高就在群众中造成了一定程度的恐慌。因此，能否对农产品价格的这种异常波动进行有效预警就显得尤为重要。
就农业生产而言，由于农产品价格与投入品价格呈正向相关关系，因此，进行简单的价格水平预测并没有多少实际意义，关键在于能否根据现有价格的异常波动年份来预测下一个可能的异常波动年份。也就是说，对这些异常价格波动年份进行预测要比单纯的“价格”预警更有实际价值。就现有的预测工具而言，传统的加权移动平均模型、趋势移动平均模型、简单移动平均模型、回归模型等都需要充足的历史数据[4]，而现实中的农产品价格相关的统计数据通常很少，其中异常数据更是凤毛麟角，因此，采用传统的预测模型无法精确预测现实中的农产品价格异常波动问题。与传统预测方法不同，灰预测的特色在于既可以对序列作值分布灰预测，又可以作时分布灰预测，而且对序列的数据量要求不高，只要大于或等于4即可，因此非常适合于农产品的价格异常波动预测。基于此，笔者构建了一个基于灾变灰预测理论的农产品价格异常波动预警模型，并以福建省生猪收购价格的波动预测为例检验了该模型的有效性。
1 理论与模型
1.1 理论原理
灰色系统理论是针对既无经验、数据又少的不确定性问题，即“少数据不确定性”问题提出的，其核心理念强调信息优化，研究现实规律[5]。灰预测理论是灰色系统理论的一个重要子理论，目前该理论已广泛应用于社会生产的各个领域。实践中，在进行各种类型的预测时，为了获得准确的预测结果，需要用于预测的客观数据具有全信息性。根据灰色系统理论，具有灰因（原因）白果（结果）律的数据满足全信息性。在进行农产品价格预测时，作为预测的基本数据，农产品价格波动是当年各种因子如成本、疫病、流通、信息不对称、规模化程度、宏观经济形势……等共同作用的结果。也就是说农产品价格波动因子满足灰信息覆盖的特点。而每年（月、季）的农产品价格是确定的，满足白信息覆盖的特点，也就是说，从价格影响因素到后续的价格波动之间的关系符合灰因白果的特点，用农产品价格数据建立灰预测模型，符合灰色系统理论要求的全信息性。据此笔者认为，可以利用灰预测方法来有效预测农产品价格的异常波动。
1.2 模型建立
在灰预测理论中，灾变灰预测是被广为采用来进行各种突发事件预警和预测的一种预测方法。灾变灰预测又称异常值灰预测，是对异常值的“时”分布进行建模以预测跳变点未来“时”分布的一种灰预测方法。根据该理论，如果时间序列中含有异常值，可以采用GM（1，1） 模型预测异常值的时间分布。例如，由于受多因素影响，农产品价格在某些年份会出现异常波动，导致价格序列中会出现一些异常值。因此，利用农产品价格的这些异常值来预测下一次价格异常波动的具体年份，可以帮助农户对这种价格异常波动做好充分的准备。具体建模步骤如下。
（1）令x为含异常值的原始序列。
■，为历年价格数据。
假设ζ为正实数，如果
1° ■为异常值，则称ζ为上灾变阀值;
2° ■为异常值，则称ζ为下灾变阀值。
在本模型中，对■和■两种情况不加区分，即将价格异常高和异常低两种情况合并起来研究。
（2）记x中异常值为x（kζ）。
记x（kζ）的序列为kζ
■
则kζ为灾变序列，其数值称为灾变值分布序列。
称灾变序列kζ中分布点kζ的序列tζ为灾变时分布序列。
■
（3）令tζ为异常值时分布。
■，记■
■
序列：■
（4）GM（1，1）建模。
GM（1，1）的含义为1阶（Order），1个变量（Variable）的灰（Grey）模型（Model）。
若序列■满足： σ（0）（k）∈（0.135 3，7.389）。其中：
■，σ（0）（k）称为级比。
则可对序列x（0）作GM（1，1）建模：
■（1）
■（2）
■（3）
■（4）
式（1）为GM（1，1）的定义型，式（2）为GM（1，1）的白化模型，式（3）和式（4）为GM（1，1）的白化响应式，即预测公式。其中：
■（5）
■（6）
■（7）
式（7）中x（1）（k）=■x（0）（m），即x（1）是x（0）的累加生成序列。
■
（5）残差检验。
残差检验的目的在于检验模型的预测精度。令x（0）（k）为实际值，x（0）（k）为预测值，则
1°称e（0）（k）为相对残差。
■
2°称e（0）（avg）为平均残差。
■
3°称p°为精度。
■
2 应用举例
福建省1999―2012年的生猪收购价格如表1所示。笔者利用该数据建立模型来对该省生猪收购价格的异常波动情况进行预测，并根据预测结果来检验模型的有效性。具体方法如下。
（1）原始序列为
x=（x（1），x（2），…，x（14））=（4.32，4.72，…，16.47）。
（2）确定灾变序列。
由于价格具有随时间而上升的趋势，因此价格的灾变（即异常）不能以价格的绝对值来衡量，而应当以相邻两年的变化幅度来界定。假设相邻两年的价格变动超过10%为价格异常波动，则有灾变阀值ζ=10%，即若：
■，则第k年为灾变年份。由此可得灾变序列为：
■=
（5.44，8.04，9.44，9.36，14.68，18.32，16.47）
（3）灾变时分布序列为
■。
即在第3，4，5，9，10，11，14年，也就是2001、2002、2003、2007、2008、2009、2012年生猪收购价格出现了7次异常波动现象。利用其前6次价格异常波动数据建模，然后利用该模型预测第7次出现价格异常波动的年份，并将预测结果与实际年份相对照，以检验该模型的有效性。
（4）级比平滑性检验。
■
■
■
σ（k）∈（0.135 3，7.389）
表明序列x（0）是平滑的，可作GM（1，1）建模。
（5）建立模型。
由式（5），（6），（7）可得：
■
代入式（3）、（4）得
■（8）
■（9）
（6）预测。
将k=6代入式（9）得：
■（对于预警而言通常宜早不宜晚）
这表明在第14年（即2012年）将会再次出现价格异常波动现象，预测结果与实际情况是一致的，表明本模型有很高的应用价值。
（7）模型预测精度检验。
为了检验模型的预测效果，作以下残差检验：
■
残差检验结果表明，本模型的预测精度达到89.9%，这对于受多因素影响而变化极不规则的农产品价格波动而言已经达到了比较理想的预测效果。
3 结 论
笔者以灰预测理论为基本的理论框架构建了一个农产品价格异常波动预警模型，并以福建省生猪价格的异常波动预测为实例介绍了利用该模型对农产品价格异常波动进行预警的做法[6-10]。结果表明：（1）灾变灰预测方法是对农产品价格异常波动进行预警的一种有效方法，解决了传统预测方法无法解决的问题;（2）可以利用残差检验对模型的预测精度进行检查，从而可以对预测的精确性有一个基本的判断。本方法也不可避免地存在一些局限性：当农产品价格异常波动年份数据序列的级比平滑性不能满足时，也就是说，当级比小于0.135 3时，将无法利用GM（1，1）模型来对价格异常波动进行预测，就本研究的生猪价格而言，就是某相邻的两次价格异常波动年份距离较远，不过就现实情况而言，这种特殊情况出现的概率通常很小[6-10]。
参考文献：
[1] 王吉恒，王新利. 农产品市场风险与市场预测研究[J].农业技术经济， 2003（3）：1-5.
[2] 姜长云，刘志荣. 高度警惕主要农产品价格出现大起大落的风险[J]. 中国发展观察，2008（2）：8-11.
[3] 董少杰.政府部门对农产品市场风险预警的管制和调控――基于猪肉和大蒜价格暴涨经济学分析[J].天津农业科学，2012（4）：95-99.
[4] 刘武，娄成武. 定量分析方法[M]. 北京： 科学出版社，2003.
[5] 邓聚龙. 灰理论基础[M]. 武汉： 华中科技大学出版社， 2002.
[6] 侯杰泰，温忠麟，成子娟.结构方程模型及其应用[M].北京：教育科学出版社，2004.
[7] 钟昱，张鹏.农产品价格研究方法综述[J].市场经济与价格，2012（9）：11-13.
[8] 李干琼.SV因子框架分析下农产品市场短期预测[D]. 北京：中国农业科学院，2012.
【关键词】负荷预测 支持向量机 粒子群算法 最小二乘向量机核函数
负荷预测是指从已知情况出发，通过对于历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，对负荷发展做出预先估计和推测。电力负荷预测主要是以下几个目的：
（1）电能由于其特殊性导致不能大面积的储存，需要边生产边使用，所以发电量的不足或者过剩都会影响电力生产部门的经济效益。
（2）生活中电力事故时有发生，不仅会导致不同程度的经济损失，还会对人民生命财产安全造成威胁，所以对电力负荷进行预测，预先了解电力负荷的临界状态是很有必要的。
（3）而负荷预测可以了解不同区域不同机构的用电高峰期。调整用户的用电时间和负荷，利用错峰效应，充分利用整个电力系统的容量，发挥整个系统的潜力，对于缓解用电紧张有重要的意义。
1 短期电力负荷预测方法
迄今为止，国内外学者在负荷预测中做出了很多努力，预测方法按照不同时期大致的可以为分为两类：经典数学统计法和人工智能法。
1.1 经典数学统计法
1.1.1 回归模型预测法
电力负荷回归模型预测就是根据过去的电力负荷历史资料，建立可以进行数学分析的数学模型，对未来负荷进行预测。对非线性关系，它就会很难进行预测。
1.1.2 趋势外推法
此种方法是以历史数据为基础，建立一条尽可能表达历史负荷的曲线，随后根据变化趋势来进行未来某时间电力负荷预测值得读取。这种方法与回归模型预测法相比具有计算速度快，可实时分析的特点，但是其精度有限。
1.1.3 时间序列法
根据历史资料建立一个数字模型来描述电力负荷这个随机变量变化过程的统计规律性，在数学模型的基础上确立负荷预测的数学表达式，进行预测。
1.1.4 灰色预测法
灰色理论提出一种称为系统关联度的全新分析方法，它根据因素之间发展趋势的相似或者相异度来衡量影响负荷因素间的关联程度。此方法具有算法简单，需求数据少，速度快等优点，但有一定的应用局限性。
1.2 人工智能法
目前对于非线性和复杂系统的电力负荷预测主要使用人工智能法。主要包括基于专家系统的预测技术、支持向量机、模糊控制技术、人工神经网络法、混沌预测技术等。
1.2.1 基于专家系统的预测技术
专家系统是人工智能系统中比较成熟的方法，能够模拟人类专家决策过程。
1.2.2 模糊控制方法
模糊预测方法仅仅模拟专家的推理和判断方式，并不需要建立精确的数学模型。模糊理论适合描述广泛存在的不确定性，同时它具有强大的非线性映射能力，能够在任意精度上一致逼近任何定义在一个致密集上的非线性函数，并能够从大量的数据中提取它们的相似性。但模糊理论也存在学习能力比较弱，映射输出比较粗糙等缺点。
1.2.3 人工神经网络算法
人工神经网络是模仿生物脑结构和功能的一种信息处理系统，有较好的容错性，但容易陷入局部收敛。
2 基于支持向量机的短期电力负荷预测
支持向量机以统计学理论为基础，通过寻求最小化的结构化风险来实现经验风险和置信范围的最小化。依靠严谨的数学推论，将有条件的极值问题转化为凸二次规划问题。面对过去较难处理的非线性问题，将样本空间映射到高维，在高维空间来解决问题，同时还通过核函数的提出，巧妙地解决了维数问题。
2.1 负荷数据的预处理与归一化
在实际使用中，我们可以根据实际情况设置一个值，当负荷实际值与测量值的差小于这个值的话，就可以认为这是一个合适的数据，可以使用；如果误差大于这个值，便是错误的数据，需要进行进一步处理。那么关于设置值的确定成为了解决问题的关键，因为我们的历史数据大多数是正确的，只有比较少的部分需要进行处理，所以可以通过数学统计的方法计算出设置值，然后利用刚刚的算法进行求解。
在构建模型时，输入的各变量差异较大，尤其反映的数量级上，为了解决这个问题，需要对数据进行归一化处理。
2.2 输入特征选取与支持向量机的参数优化选取
对于训练样本来说，输入变量应该为影响负荷量的因素，根据关联程度的大小分配以不同的权重。根据模式识别理论，低维空间线性不可分的模式通过非线性映射到高维特征空间则可能实现线性可分，但是如果直接采用这种技术在高维空间进行分类或回归，则存在确定非线性映射函数的形式和参数、特征空间维数等问题，而最大的障碍则是在高维特征空间运算时存在的“维数灾难”。采用核函数技术可以有效地解决这样问题，核函数的选取直接影响支持向量机的预测精度。
3 结论
通过进行有效的数据处理和相关参数的选择构建的基于支持向量机的短期负荷预测方法能较为有效准确的预测短期电力负荷。但是由于负荷预测还会受到多种外界因素的影响，因此要想实现准确的电力负荷预测还需对现有方法进行不断改进和完。
参考文献
[1]王伟.基于混合核函数支持向量机的电力负荷预测[J].现代计算机，2013：22-25.
[2]R志伟，周凌，杨丽君，冀而康，周旭.基于人工免疫加权支持向量机的电力负荷预测[J].继电器，2015，33（24）：42-44.
[3]曾挽浚徐知海，吴键，基于粒子群优化和支持向量机的电力负荷预测[J].微电子学与计算机，2011，28（01）：147-149.
[4]游华.基于相空间重构与支持向量机的电力负荷预测[J].商业现代化，2010，611：7-8.
[5]Soina De Cosmis，Ronato De Leone，ErikKropat.Electric load forecasting using support vector machines for robust regression. University of Camerino： Society for computer Simulation International，2013.
关键词：天然气需求 预测 模型
众所周知，天然气用户种类及数量众多，各种用户的用气目的、用气高峰时间及用气量均有所不同。同时，气源产气和用户用气的不稳定性也使得天然气管网系统经常处于不稳定状况，使调度部门需要经常采取应急措施，调节和调度各个用户和场站的压力及流量。在这种情况下，如果能够提前了解或预测到各个用户的用气量，不仅可以帮助天然气管网管理部门合理并高效地调运各个气源和用户的用气量，安全且高效地运营天然气市场的供给和需求，并且可以为营销部门制定供气计划提供一定的参考。因此，如何预测不同用户、不同时间段的天然气需求量是天然气用户管理和调度部门关注的重点，因而有必要分析和研究多种需求预测方法，充分利用已有的数据库系统中的历史数据，优选出适合预测天然气用户用气量的简单可行的模型。
一、相关预测方法的比较分析
在研究灰色预测方法、弹性预测法、能源强度法、趋势外推法等算法实用性和参数复杂性的基础上，得知这些算法在一定的条件下、在复杂的参数设计中可以有较高的精度，但求解过程、调节参数和所需的对象信息过于复杂化，不适合实际操作。各种方法的简单比较如下：
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
移动平均法的优点是：方法简单实用且应用很普遍。缺点是：没有考虑到时间先后对预测值的影响，会出现滞后偏差。这种方法适宜应用于短期预测。
趋势外推法的优点是：简单实用，其关键在于充分利用历史数据来判断出数据具有的是何种趋势；不需要对数据中的随机成分进行统计分析。缺点是：这种方法通常需要积累和掌握历史统计数据，且预测结果与实际值的偏差比较大。它主要适用于中长期和短期预测。
灰色预测方法的优点是：方法简便易行而且预测精度比较高，且所需数据量不大，不必考虑历史数据的分布规律。缺点是：其预测误差随着历史数据的离散程度增大而增大，预测的时间越长，误差也会越大。这种方法适用于中长期预测。
能源强度法的优点是：考虑了天然气需求与经济发展的关系，并且计算过程简单方便。缺点表现在：其参数获取难度比较大，对企业层面的预测效果比较差。一般情况下适用于宏观问题中期预测，对于天然气用户需求量的预测不适用。
弹性系数预测法的优点是：计算过程的简单和方便，且考虑了天然气消费量变化与经济增长量变化的关系。缺点表现在：该预测的弹性系数估计值不好确定。可见这种方法与能源强度法颇为相似，也是主要适用于宏观层面的天然气中长期需求的预测，不适用于天然气用户需求量的预测。
因而本文对用户的中、短期需求预测模型采用回归分析法、移动平均法、算术平均法，长期预测选择回归分析法。并在建立模型的过程中结合实际需要对这两类方法进行改进，同时通过对不同类型用户的用气量历史数据的分析，找出用气量数据的规律，尽量以简单、可行的预测思路和方法建立各类用户的需求预测模型，以此预测各类用户的年、月用气量。
二、实例计算
由于天然气用户的种类不同，他们的用气规律也有所不同，因而对于不同类用户所采取的需求预测模型也有所差异，如对于城市燃气类用户用气量的模型。表1是某城市燃气有限公司近四年来的用气量数据表。
针对城市燃气类用户的特点，建立城市燃气类用户年、月、日用气量预测模型的步骤如下：
（一）年用气量的预测模型
分析用户历年来的年用气量数据，选取一元线性回归的方法建立用户年用气量的预测模型。即有：
y=a+bx+ε ①
通过对表1的数据拟合，可以得到此用户的一元线性回归的模型如下所示：
y=5329.6x+21041
通过上式可以计算出该城市燃气用户2007年的年用气量预测值为5.8348亿立方米，已知该用户2007年的实际用气量约为5.62亿立方米，可以得出预测值与实际值的相对误差是3.7%，可见采用的预测模型是有效的。
（二）月用气量的预测模型
分析该城市燃气类用户的月用气量，采用一元线性回归方法建立该用户的月用气量预测模型。即有：
yi=ai+bixi （i=1，2，…，12） ②
其中，yi为第i个月的一元线性回归模型预测值；xi为第i个月的一元线性回归模型的自变量；ai、bi为第i个月的一元线性回归模型系数。
本文选取1月份、4月份、6月份、10月份、12月份的数据用一元线性回归方法进行数据拟合，列出预测模型并计算得出结果如下表2所示。
由以上结果可以看出，预测值与实际值的误差的绝对值较小，还是可以满足工程要求的。
三、结论
回归分析法的优点是：预测的结果比较可信，可以给出预测结果的置信区间以及置信度；能运用相关的数理统计方法对得到的回归方程进行统计检验。缺点是：假设个数据对预测对象的影响程度是相同的，不符合实际情况；回归变量选取的主要和次要因素在实际建立模型时不易把握。此种方法适用于天然气中长期预测。
虽然采用回归分析法的计算结果还是比较满意，但不一定是解决此问题的最优模型，在以后的研究中将深入学习，深入研究并比较不同的模型在这个课题上的适用性，力争找到更为优化的方法。
另外，由于天然气用户需求量的不确定性会带来风险，因此还可以考虑将风险与预测结合起来考虑，从而提高预测的准确性。
（作者单位：西南石油大学经济管理学院）
【参考文献】
1、周志斌,杨毅.天然气管网运营安全与效益优化模型研究[M].石油工业出版社,2009.
2、冯良等.上海天然气市场需求模型构建与计量分析[J].天然气工业,2009(2).
