全文总字数：3478字

1. 研究目的与意义及国内外研究现状

在已有研究的基础上，拟构建一种更特殊的灰色拓展预测模型，使得其为适用于含时间对数次项的特殊的灰色预测模型，并研究已有的预测模型与该拓展预测模型之间的关系。在实例分析中，分别建立灰色模型中的几种常见的预测模型，通过比较预测精度，对用电量的数据选择合适的灰色预测模型及参数估计方法，进而对所研究的模型与参数作出精度估计，并判断模型的优劣，进而给出供电量的相关建议与展望。

国内外研究现状

近年来，灰色预测理论在能源领域得到了广泛的应用。例如，Akay和Atak^[1]提出了一种滚动机制(GPRM)灰色预测方法来预测土耳其的总电力消费和工业电力消费。Hamzacebi和Es^[2]使用经过优化的GM(1，1)来预测土耳其的用电量。Li等人使用基于灰色的自适应方法来预测亚洲国家的短期用电量。Wang等人^[3]提出了电力需求预测的SFGM(1，1)和提高预测精度的APL-SFGM(1，1)。Pi等人^[4]采用灰色预测方法对我国能源需求进行预测。谢等人^[5]利用灰色预测模型和马尔可夫模型对中国能源需求和自给率进行了预测。Lee和Tong^[6]开发了一种改进的灰色预测模型来预测能源消耗，并将残差修正与遗传规划符号估计相结合，使预测误差最小化。Lee和Tong^[7]将动态灰色模型与遗传规划相结合，对能耗进行预测，取得了很好的精度。熊等人^[8]根据新信息优先原则对初始条件进行优化，建立了原始的GM(1，1)模型，并以较高的预测精度对我国能源消费和生产进行了预测。通过使用GM(1，1)， 林等人^[9]预测CO₂排放量将进一步增加。孟等人^[10]使用小样本混合模型预测了与能源相关的二氧化碳排放。Wu等人^[11]使用滚动多变量灰色模型预测了金砖国家(巴西、俄罗斯、印度、中国和南非)的二氧化碳排放量。Truong和Ahn^[12]提议MGM(1，1)，并预测了未来几年韩国不同海域的海浪数据。总体而言，灰色系统理论在能源相关领域的预测正变得越来越流行。

2. 研究的基本内容

针对GM(1,1)模型应用的局限性，根据实际生产生活中数据复杂性的增加，利用灰色建模思想准备构建含时间对数次项的灰色GM(1,1,logα(t))模型，计划将细化不同数据特性GM(1,1)模型。

传统的GM(1,1)模型是研究具有齐次指数模型的数据，含有时间指数次项的GM(1,1,t^α)模型适合研究同时具有指数特性和线性函数特性的数据，而本文将要研究的是可以有效地解决原数据因具有对数和指数积分函数特性的GM(1,1,logα(t))模型，从而得到更准确的预测结果。

随着电力工业在国民经济中扮演着越来越重要的角色，电力市场的正确预测显得尤为重要。中国国家电网公司也预测，在可预见的未来，电力领域的投资规模将保持目前的增长速度。因此，准确预测一次工业用电需求具有重要的现实意义。而预测用于指导供电企业能提高电网调度能力，维持电力市场供需平衡。因此本文将通过研究第一产业的用电量的相关数据，模拟GM(1,1)模型、GM(1,1,t^α)模型、GM(1,1,logα(t))模型的预测值并比较误差，拟用模拟结果验证此模型的有效性和可行性。

3. 实施方案、进度安排及预期效果

2018年12月-2019年1月，确定论文大致方向与资料的搜集；

2019年2月，完成论文提纲；

2019年3月，向指导老师提交论文初稿；

4. 参考文献

[1] d. akay, m. atak, grey prediction withrolling mechanism for electricity demand forecasting

[2] c. hamzacebi, h.a. es, forecasting theannual electricity consumption of turkey using an optimized grey model, energy70 (2014) 165–171.

[3] j.z. wang, x.l. ma, j. wu, y. dong,optimization models based on gm (1,1) and seasonal ?uctuation for electricitydemand forecasting, electr. pow.energy syst. 43 (2012) 109–117.