回归分析毕业论文.doc

《回归分析毕业论文.doc》由会员分享，可在线阅读，更多相关《回归分析毕业论文.doc（23页珍藏版）》请在三一办公上搜索。

1、摘要：自改革开放以来，我国的电力行业取得了前所未有的发展速度。电力有相适应的增长来满足人类日益增长的物质与精神文明的需要。世界在发展，人口在增加，也必须要求有足够的能源来保证。电力需求的变化历来被视为经济发展的晴雨表，人均用电量是衡量一个国家现代化程度的主要指标。电力系统用电量预测是电力系统发电计划的重要组成部分，也是电力系统经济运行的基础。电力的生产和利用是人类社会进步的重要标志，也是现代文明发展不可或缺的基础。在当前电力发展迅速和供应紧张的情况下，合理地进行电力系统规划和运行极其重要。电量预测在电力系统规划和运行方面发挥的重要作用，具有明显的经济效益，负荷预测实质上是对电力市场需求的预测。

2、用电量预测是电网规划设计与建设的基础,预测的准确与否,关系到电源开发，电网建设，社会安定，居民生活及电力公司本身的发展。其作用与电力行业的特殊性是密切相关的。近年来，福建经济增长快速，一直快于全国平均水平，这其中，电力的作用功不可没。电力作为重要的基础性行业，长期以来一直被作为国民经济发展的先行工程而被广泛关注和重视，特别是在海峡西岸经济区建设中更担负着保障经济建设持续快速发展的重要使命。利用福建省1993至2006年的年生产总值（GDP）和人口总数,居民消费价格指数（CPI）作为自变量，每年的用电总量做为因变量建立了多元回归模型。并根据福建GDP的增长率和人口自然增长率，居民消费价格指数增长

3、率预测了2007至2020的GDP、人口总数和居民价格消费指数（CPI），并以建立的多元回归模型预测了福建未来14年的用电量。关键字：用电量 多元回归 GDP 总人口数 CPI 预测AbstractProduction and exploitation of electric power are mankind the society progressive important marking, is also a modern civilization to develop necessary foundation.Since the reform opened, the electric

4、power profession of our country obtained unprecedented development speed.The electric power has mutually adapt of the growth come to satisfy mankind to increase increasingly of the demand of material and spiritual civilization.The world is developing, the population is increasing, have to also reque

5、st to have enough energy to promise.The electric power demanding variety is in times gone by seen as the barometer of economic development, persons all using to give or get an electric shock quantity is the main index sign which measures a national modernization degree.Electric power systems using t

6、o give or get an electric shock a quantity estimate is an electric power system to generate electricity planned of the importance constitute part, is also the foundation of the economic movement of the electric power system.At current electric power development quick with supply under nervous circum

7、stance, carry on electric power system a programming and circulate very importance reasonably.Giving or getting an electric shock a quantity estimate to program and circulate the important function that the aspect develops in the electric power system, having an obvious economic performance, carryin

8、g estimate substantially is to the demanding estimate of the electric power market. The estimate of using the electricity quantity is the charged barbed wire net foundation of programming design and construction, predicting of accurate or not, relate to power supply a development, charged barbed wir

9、e net construction, society stabilize, residents living and the development of power company.The special of its function and electric power profession is closely-related.In recent years, Fukien the economic growth is fast, being always quicker than average level in the whole country, this among them

10、, the function of electric power performs feats.The electric power is an important foundation profession, is always been a national economy to develop for long time in advance engineering but drive extensive concern and value, carry more to guarantee in the straits west coast economic area the const

11、ruction especially economy constuct to develop quickly continuously of important mission. Make use of province in Fukien 1993 go to a year total output value(GDP) to amount with population for 2006 years, residents consumption price index number(CPI) conduct and actions from change quantity, every y

12、ear uses electricity total amount to be used as built up because of changing quantity diverse return to return model.Combine according to growth rate and the population natural growth rate of Fukien GDP, residents consumption price index number growth rate predicted 2007-2020 GDPs and population tot

13、al amount, and with build up of diverse returned to return model to predict Fukien to use electricity quantity for the coming 14 yearses.Keywords: Use electricity quantity； diverse to return to return； GDP； Total number of population； CPI； Predict目 录第1章 用电量预测引言41.1研究现状41.2主要研究内容41.3关键性问题41.4研究存在的问题5

14、第2章 多元回归方程52.1回归分析及多元回归概述52.2多元回归方程62.2.1数学模型和回归方程的求法52.2.2回归方程的显著性检验62.2.3偏回归平方和与因素主次的判别92.3实际模型中的回归应用7第3章 多元回归模型参数的选择和建立103.1参数选择103.2模型建立与显著性检验12第4章 用电量预测164.1福建省生产总值GDP预测164.2福建省总人口数预测174.3福建省用电量预测17第5章 结束语19参考文献22致谢与声明23第1章 用电量预测引言1.1 电量预测研究现状随着福建经济的高速发展，对电力的需求也在不断增加。电力需求的飞速增长，引起福建电力供应紧张。在电力供应紧

15、张的背后充分说明了对电力市场的预测出现了偏差，这对中福建的经济和社会的全面发展带来了负面影响。对福建未来的用电量进行预测分析，对于及时掌握电力需求的发展动态，经济合理地安排电网内部发电机组的生产计划，降低发电成本，保持电网运行的安全可靠，提高经济和社会效益，推动福建经济稳定高速发展有着重要的作用。由于用电量预测对电源开发,电网建设,社会安定,居民生活及电力公司本身的发展都有很大的影响,因此世界各地的电力部门都十分重视电力需求预测工作,设置专门的机构,由经济分析,需电量预测,负荷预测等方面的专业人员来从事电力需求预测工作,由于起步较早,各自开发出一种或几种适合于本国经济运行特点的需电量预测方式,

16、而且几种方式可以相互效验.方法有部门分析法进行预测, 最终需求法,弹性系数法, ,计量经济模型方法等。在电量预测道路上，由于一些学者对计量经济模型缺少深入的了解，不合理的利用普通最小二乘法及其他的计量经济模型，得出不符合实际意义的参数估计，从而导致结论的不正确。这将对近期年和远景年的负荷及电量预测的方向造成严重误导，给国家带来巨大的损失。所以我们就这电量预测线性问题方面合理适当运用了多元线性回归分析方法。1.2 主要研究内容基本要求是掌握回归分析的基本原理和方法，确定变量之间的相关关系和相关程度，建立回归模型，检验变量之间的相关程度，应用回归模型进行估计和预测等。重点研究是如何应用回归分析的方

17、法建立模型，对实际中遇到的一些问题进行估计和预测，并根据预测结果提出有效的控制方法。1.3 关键性问题关键性问题是回归模型的成功与否，要看它对实际现象能否成功的作出预测。因此，模型效果的检验不仅要看它对数据所提供的观察值的模拟效果，还应看它对于我们还没有观测的数值的预测效果如何。可见，第一阶段数据的收集，是建模过程的重要部分。准确的数据不仅能为我们寻找所讨论的问题中有关变量的关系给出很好的提示，而且是建模其他阶段的可靠数据。在建立线性回归模型时，为了得到既包含相同的情况，又能克服独立变量间相关关系的回归模型，必须剔除那些与其他独立变量有密切关系的变量。在建模分析过程中，基础资料要可靠，统计分析

18、要全面。在进行数据处理分析和建立预测模型的过程中，要充分考虑外界因素的变化及未来相关因素的不确定性对中长期电力负荷预测的影响，还要考虑众多因素交互作用的结果，要对预测专家的经验和意见加以有效的分析利用。 在电量预测中，参数估计也是必要的。负荷预测时通常要通过客观数据的调研，寻找适当的数学模型，然后按照一定和必要的参数估计方法求解其中若干个待定参数。1.4 研究存在的问题线性回归模型使得我们在计算过程中过于复杂，又不能避免百分率方法中个案例计算结果之间差异过大的缺陷，因此回归方程的应用具有一定的期限，需要经常更正。回归方程的最优性有两方面的含义：一方面，方程中要含所有的有着显著作用的自变量，不能

19、遗漏。另一方面，希望所含的自变量尽可能少。因为自变量多，计算量大，使用不方便，计算误差大，降低方程的精度；而且方程中引入无意义的变量，反而会降低方程的稳定性，有害无益。第2章 多元回归方程2.1 回归分析及多元回归概述研究一个（或一组）变量与另一个或一些变量之间的关系在几乎所有科学分支中越来越受到重视。对两个变量情况用严格的数学语言表达就是：如果对于变量X的任意一个具体数值，存在一个变量Y的概率分布与其对应；同时，对于变量Y的任意一个具体取值y0，存在一个X的概率分布与其对应，则称变量X与Y之间具有相关关系。显然，X与Y之间的相关关系是两个随机变量之间平行的依赖关系。在相关关系中，如果X容易确

20、定或可人为控制，即将X看为非随机变量x0，那么x0与随机变量Y之间的关系称为回归关系(regression)。显然，x与Y之间的回归关系是一个普通变量x与随机变量Y的因果关系。回归分析的主要目的是寻求一个随机变量Y对一组随机变量X1、X2、Xm的统计依赖关系。统计依赖关系不在是单纯的因果关系，而是变量之间的相关关系。回归分析是一种处理变量的统计相关关系的一种数理统计方法。回归分析的基本思想是: 虽然自变量和因变量之间没有严格的、确定性的函数关系, 但可以设法找出最能代表它们之间关系的数学表达形式。回归分析主要解决以下几个方面的问题:(1) 确定几个特定的变量之间是否存在相关关系, 如果存在的话

21、, 找出它们之间合适的数学表达式;(2) 根据一个或几个变量的值, 预测或控制另一个变量的取值, 并且可以知道这种预测或控制能达到什么样的精确度;(3) 进行因素分析。例如在对于共同影响一个变量的许多变量(因素)之间, 找出哪些是重要因素, 哪些是次要因素, 这些因素之间又有什么关系等等。2.2 多元回归方程2.2.1 数学模型和回归方程的求法实际应用中，很多情况要用到多元回归的方法才能更好地描述变量间的关系，因此有必要在本节对多元线性回归做一简单介绍，就方法的实质来说，处理多元的方法与处理一元的方法基本相同，只是多元线性回归的方法复杂些，计算量也大得多，一般都用计算机进行处理。多元回归分析是

22、研究多个变量之间关系的回归分析方法, 按因变量和自变量的数量对应关系可划分为一个因变量对多个自变量的回归分析(简称为“一对多”回归分析)及多个因变量对多个自变量的回归分析(简称为“多对多”回归分析), 按回归模型类型可划分为线性回归分析和非线性回归分析。下列主要介绍多元线性回归分析。2.2.1.1 多元线性回归的模型。设因变量y与自变量x1,x2,xk之间有关系式： (1)抽样得n组观测数据：(y1；x11,x21,xk1)(y2；x12,x22,xk2) (yn；x1n,x2n,xkn)其中xij是自变量xi的第j个观测值，yj是因变量y的第j个值，代入(1)得模型的数据结构式： (2)我们

23、称(1)或(2)为k元正态线性回归模型，其中b0,b1,bk及2都是未知待估的参数。2.2.1.2 未知参数的估计与一元时一样，采用最小二乘法估计回归系数 b0,b1,bk. 称使达到最小的为参数（b0,b1,bk）的最小二乘估计，利用微积分知识，最小二乘估计就是如下方程组的解： (3)其中 通常称方程组(3)为正规方程组，其中前k个方程的系数矩阵记为当L*可逆时，正规方程组(3)有解，便可得b0,b1,bk的最小二乘估计 即 代入模型(1)，略去随机项得经验回归方程为： (4)类似一元可以证明 都是相应的bi(i=0，1，k)的无偏估计，且2的无偏估计为：2.2.2 回归方程的显著性检验与一

24、元的情形一样，上面的讨论是在y与x1，xk之间呈现线性相关的前提下进行的，所求的经验方程是否有显著意义，还需对y与诸xi间是否存在线性相关关系作显著性假设检验，与一元类似，对是否有显著意义，可通过检验H0:b1=b2=bk=0为了找检验H0的检验统计量，也需将总偏差平方和Lyy作分解：（5） 即L=U+Qe 其中L=Lyy，这里. 分别称Qe，U为残差平方和、回归平方和，可以证明：利用柯赫伦定理可以证明：在H0成立下，且U与Qe相互独立，所以有 (6)(这里记 Qe为Q,下同)取F作H0的检验计量，对给定的水平，查F(k, n-k-1)分布表可得满足的临介值，由样本观测值代入(6)算出统计量F

25、的观测值，若F,则不能接受H0，认为所建的回归方程有显著意义。通过F检验得到回归方程有显著意义，只能说明y与x1，x2，xk之间存在显著的线性相关关系，衡量经验回归方程与观测值之间拟合好坏的常用统计量有复相关系数R及拟合优度系数R2。仿一元线性回归的情况，定义： (7) (8)可以证明R就是观测值y1,yn与回归值的的相关系数。实用中，为消除自由度的影响，又定义： (9)为修正的似合优度系数。2.2.3 偏回归平方和与因素主次的判别本段内容是多元回归与一元回归有本质差异的部分。前一节所作的检验H0：b1=b2=bk=0被拒绝，并不能说明所有的自变量都对因变量y有显著影响，我们希望从回归方程中剔

26、除那些可有可无的自变量，重新建立更为简单的线性回归方程，这就需要对每个自变量xj做显著性检验。于是考虑H0j:bj=0的检验方法。从原有的k个自变量中剔除xj，余下的k-1个自变量对y的线性影响也可由相应的偏差平方和分解式中的回归平方和U(j)反映出来，即记 则U(j)反映了变量xj在回归方程中对y的线性影响，常称它为xj的偏回归平方和，可以证明 (10)其中Cjj是矩阵 L*=(Lij)pp的逆矩阵对角线上的第j个元素，对于H0j：bj=0选用统计量 （11）对给定的水平，由,查F(1,n-k-1)分布表确定临介值，将观测值代入(11)算出的Fj值与比较，若Fj则拒绝H0，认为xj对y的线性

27、影响显著，否则不显著，应剔除。但在实用中，多元回归中剔除变量的问题比上例我们做的讨论要复杂得多，因为有些变量单个讨论时，对因变量的作用很小，但它与某些自变量联合起来，共同对因变量的作用却很大，因此在剔除变量时，还应考虑变量交互作用对y的影响。2.3 实际模型中的回归应用根据实际的多元回归模型，运用大量数据回归分析，运用自变量预测常用模型的形式来预测未来自变量，从而从这些预测的未来自变量带入（1）中，求得因变量。第3章 多元回归模型参数的选择和建立3.1 参数选择电力企业的生产计划往往建立在经验数据上，这有可能出现两种情况：一是电厂的发电量过多，导致供大于求，这会造成不必要的能源浪费和环境污染

28、；二是发电量不足，导致供小于求，满足不了各行各业和人民生活的用电需求，以致于拉闸限电，造成国民经济的重大损失和人民生活的不便利。因此，每一年度对下一年度的用电量的预测至关重要。预测值与实际值越接近 ，越能更好地节约能源，为国家减少经济损失；同时，给人民生活提供便利。用电量的预测是一个较为复杂的问题，它要求考虑到各方面的影响因素。近年福建年GDP快速增长与人口的快速增加，从而对福建的电力建设提出了严峻的考验。GDP快速上升，人口快速增加，国民消费水平也一致地提高，同时也体现出对电力需求很强的拉动作用。所以从GDP与总人口数方面研究预测用电量是一个可行的方法。从另外一个方面也可以看出，在福建电力短

29、缺和能源资源稀缺的环境下下,福建也应做好电源和电网规划与建设工作,做好产业结构调整,以促进福建经济的可持续地发展。居民消费价格指数是反映一定时期内居民消费价格变动趋势和变动程度的相对数。居民消费价格指数分为食品、衣着、家庭设备及用品、医疗保健、交通和通讯、娱乐教育和文化用品、居住、服务项目等八个大类。国家规定325种必报商品和服务项目，其中，一般商品273种，餐饮业食品16种，服务项目36种。该指数是综合了城市居民消费价格指数和农民消费价格指数计算取得。利用居民消费价格指数，可以观察和分析消费品的零售价格和服务人格变动对城乡居民实际生活费支出的影响程度。譬如彩电、冰箱和空调等大宗家电的销售保持

30、了良好的增长势头，并且居民群众的消费可以扩大企业工厂的供求关系，从而提高对用电量的要求，也对居民生活用电增长起了积极的带动作用。这些平日里的消费项目多少都影响了用电量的支出。而居民消费价格指数在全社会中的影响之大，必然影响全社会的用电量输出。因此从居民消费价格指数（CPI）也可以研究用电量预测。回归分析模型是数量经济学领域中的主要预测模型之一，它在数量经济学领域的运用最为广泛，而且是其他统计模型的基础。一般认为，电力需求与经济环境紧密联系，但是不可能把所有的经济因素都考虑到回归模型当中去，因此，必须选择适当的变量。选择的变量一定要通过回归模型的参数检验。但将所有的选择自变量的工作都交给数学方法

31、又是不明智的，因为我们必须考虑实际工作中的具体情况，可以首先根据经验选择不同的自变量子集，并力求该子集具有一定的物理意义，这样得出的预测模型不仅仅通过了检验，而且能够被预测人员接受，更可能取得好的预测结果。综上所述，年GDP和总人口数，历年的居民消费价格指数这3个能影响用电量的因素具有比较好的社会意义，因此决定以这3个因素作为自变量，建立多元回归分析模型，对未来用电量的数值进行有效的预测。下面以此为例，我们可以利用多元线性回归分析方法对年用电量进行研究分析预测。本研究选择福建省年用电量作为预测目标(因变量Y)，对福建省未来的用电量进行预测。全社会用电量就是电力在全社会的消费，包括社会各行业用电

32、量和城乡居民生活用电量，它反映了一定时期全社会用电总规模和总水平，能从总体上反映电力需求的情况和变化规律。福建省用电量受各种社会经济因素的影响，根据前人的工作，本文选择了GDP(x1)，总人口数(x2)和居民消费价格指数(x3)这两个典型社会经济因素作为自变量建立了模型。建立模型的数据如表1：表1 福建省1993-2006年用电量、GDP、总人口数和居民消费价格指数年份GDP/亿元总人口数/万人居民消费价格指数用电量/亿kWh19931850.022998291.3147.3519942083.123214364.9173.8919952345.63237420.4175.7819962583

33、.833261445.2194.6119973000.363282452.8201.4719983330.183299451.4216.819993550.243316447.4244.7620003920.583410456.8288.0520014258.373440450.9348.3620024428.323471448.6496.820035241.733488452.2585.7420045763.353502470.2664.3620056560.073535480.5755.720067501.633558490.7866.8注：数据来自中国电力年鉴、中国统计年鉴、福建年鉴 以

34、1978年的价格为1003.2 模型建立与显著性检验根据表1，使用MATLAB软件进行计算多元回归线性分析，程序为format long x1=1850.2 2083.12 2345.6 2583.83 3000.36 3330.18 3550.24 3920.58 4258.37 4428.32 5241.73 5763.35 6560.07 7501.63; x2=2998 3214 3237 3261 3282 3299 3316 3410 3440 3471 3488 3502 3535 3558; x3=291.3 364.9 420.4 445.2 452.8 451.4 447.

35、4 456.8 450.9 448.6 452.2 470.2 480.5 490.7; y=147.35 173.89 175.78 194.61 201.47 216.8 244.76 288.05 348.36 496.8 585.74 664.36 755.7 866.8; y=y; x=ones(14,1) x1 x2 x3;b,bint,r,rint,stats=regress(y,x)经过程序求解得到多元线性方程：y=0.1447*x1+0.2561*x2-1.2802*x3-500.4789 (12) 根据表1的资料，建立EXCEL工作表，如图2所示。（1） 做好EXCEL工作

36、表后，点击EXCEL“工具”菜单，选择“数据分析”过程；（2） 在跳出的“数据分析”菜单中，选择“回归”过程，并点击“确定”键；如图3。（3） 在跳出的“回归”输入中，将“用电量”那一列的数值拖进“Y值输入区域”，并将“GDP”、“总人口数”和“居民消费价格指数”的三列数值拖进“X值输入区域”。并点击“确定”键。如图4.（4） 在点击“确定”键后，EXCEL将自行计算多元回归。结果如图5。从回归运算结果得出 n=14 R2= 0.971673 F=114.3409回归方程的判定系数R2是回归直线拟合度的重要依据，R2越接近1，表明线性近似程度越高。式(12)的判定系数R2 =0.971673

37、说明回归直线的拟合度很好，预测选取的模型可以使用。同时采用F检验法对回归方程进行显著性检验。在a=0.05的显著性水平下， F0.05（3,14-3-1）=3.71F=114.3409。说明了多元回归方程通过了显著性检验，具有良好的预测能力。现在只要计算出福建未来每年的GDP、人口总数和居民人口消费指数，就可以再继续通过多元线性回归方程对福建每年的用电总量进行分析预测。我们将使用MATLAB编程画图，程序为：x1=1850.2 2083.12 2345.6 2583.83 3000.36 3330.18 3550.24 3920.58 4258.37 4428.32 5241.73 5763.

38、35 6560.07 7501.63;x2=2998 3214 3237 3261 3282 3299 3316 3410 3440 3471 3488 3502 3535 3558;x3=291.3 364.9 420.4 445.2 452.8 451.4 447.4 456.8 450.9 448.6 452.2 470.2 480.5 490.7;y=0.1447.*x1+0.2561.*x2-1.2802.*x3-500.4789;x=147.35 173.89 175.78 194.61 201.47 216.8 244.76 288.05 348.36 496.8 585.74

39、664.36 755.7 866.8;plot(x,y,.);hold onx1=1:10:1000;y1=x1;plot(x1,y1)程序画出的图6，横向坐标表示实际福建省年用电量，纵坐标表示理论福建省年用电量。依图6可知，这些理论用电量的数值与实际用电量的数值组成的点分布在X=Y这条直线的两侧。这就说明该模型预测出的未来理论用电量值与实际用电量是比较接近的。所以该模型可以做为福建未来用电量的预测使用。第4章 用电量预测4.1 福建省生产总值GDP预测生产总值(GDP)是指所有常住单位在一定时期内所生产的最终物质产品和服务的价值总和。通过大量的数据回归分析，国内生产总值预测常用经济模型的形式

40、：Z（GDPt）= Z（GDP0）*（1+b）t-t0 。 （13）式中Z（GDPt）为t年的GDP数；Z（GDP0）为t0年(预测起始年)的GDP数；b为GDP的增长速率()，福建省从20022006年GDP增长率比较稳定，如表8所示，取平均值b=13.9% 作为预测未来福建GDP的增长率。取2006年的GDP值作为预测的起预测始年的基数年( Z（GDP0）=7501.63 )。4.2 福建省总人口数预测人口预测的变量主要采取直接影响人口自然变动的出生率、死亡率和社会变动的迁移率等参数。这些参数的选取必须考虑约束条件。通过大量的数据回归分析，我国人口常用的经验模型基本形式为 Nt=Nt0 *

41、ek（t-t0） 。 （14）式中：Nt为t年的人口总数；Nt0为t=t0年时预测起始年的人口基数； k为人口自然增长速率；e为自然对数的底(e=2.718)。福建省从20022006年人口自然增长率比较稳定，如表8所示，取平均值k=0.62% 作为预测以后几年福建人口总数的自然增长率。取2006年的总人口数作为预测起始年的基数，即Nt0=3558万人。4.3 福建省居民消费价格指数预测居民消费价格指数和宏观经济走势是我们每位生活在经济世界里的人应当了解和关注的。CPI能够有精确的数字来描叙，可以预测和测算。然而宏观经济走势却只能从宏观的方面来理解它，也就是我们对它的认识不能以精确数字来描叙它

42、，而只能作个大概的判断。模型中将考察居民消费价格指数和用电量之间的的关系，借此从居民消费价格指数来预测用电量。居民消费价格指数也即我们通常所说的消费者价格指数是指居民购买的有代表性的商品平均价格变化的指数，英文名称为CPI（Consumer Price Index）。它的计算公式是 CPI=（一组固定商品按当期价格计算的价值）除以（一组固定商品按当期价格计算的价值）乘以100。通过大量的数据回归分析，居民消费价格指数每一年的增长指数都会比较稳定，不会出现太大的差距。所以下面的预测未来的居民消费价格指数决定采用历年平均增长率来预测。所以采用的经验模型基本形式为 W（CPIt）= W（CPI0）*

43、（1+h）t-t0 （15）式中W（CPIt）为t年的居民消费价格指数；W（CPI0）为t0年(预测起始年)的居民消费价格指数；h为居民消费价格指数的平均增长速率()，福建省从20022006年CPI增长率比较稳定，如表8所示，取平均值h=2.31% 作为预测未来福建居民消费价格指数CPI的增长率。取2006年的CPI值作为预测的起预测始年的基数年( W（CPI0）=490.7 )。图8、20022006年福建省GDP年增长率、人口年增长率和CPI年增长率年份GDP年增长率人口自然年增长率CPI年增长率2002-2003年18.36%0.48%094%2003-2004年9.05%0.40%3

44、98%2004-2005年13.82%0.94%219%2005-2006年14.35%0.65%212%平均值13.90%0.62%231%依图8所示，2003-2004年因为全国受到“非典”影响，市场物价上涨，导致居民消费价格指数升幅比较大。2004-2005年、2005-2006年这2年间居民消费价格指数上升就相对比较稳定。4.4 福建省用电量预测根据2006年GDP、总人口数和居民消费价格指数为基数，再利用（13）、（14）、（15）式，就可以预测出20072020年的GDP、总人口数和居民消费价格指数。再把年GDP、总人口数和居民消费价格指数一一代入式(12)中，得到了自2007年2

45、020年福建省每年的用电量，结果如表9所示。由表9可以看出， 2012年福建省的年用电量将达到2094.4亿kWh，到2015和2017年的需电量将达到3193.2和4210.6亿kWh，分别是2012年用电量的1.52倍和2.01倍。这对福建省的电力生产提出了严峻的考验。图9、预测的20072020年福建省GDP、总人口数、CPI和年用电量年份GDP/亿元总人口数/万人CPI用电量/亿kWh20078544.363580502.01010.120089732.033602513.61172.7200911084.773624525.51358.8201012625.563646537.61571.9201114380.513669550.11815.8201216379.43691562.82094.4201318656.143715575.82413.3201421249.343738589.12777.420