基于EMD方法对中国能源消耗的分析与预测

　　2010年7月，国际能源署发布统计研究结果，表明中国在2009年消耗了22．52亿吨石油总量，相比X石油消耗总量21．70亿吨高出4％，中国成为了全球第一能源消耗大国。此项能源消费统计报告包含了原油、核能、煤炭、天然气和水电等可再生和不可再生能源。能源署同时研究了未来，2035年中国的能源消耗总量将在从现在的全球的能源消耗使用比例从17％上升至22％，继续成为全球的能源消耗大国的首位。

　　目前中国正处在城镇化和工业化快速演变的时期，能源消耗总量依旧处在增长状态。而近年来，中国XX为了降低能源消耗对经济增长的影响，加大力度去推行各种调控和修改的政策措施来达到节能减排的效果，积极调整能源结构，加速更新替换掉落后的产能方式，使能源消耗总体的增加速度呈一年一年变缓的趋势，能源消费强度不断降低。

　　但由于中国是个人口基数十分大、人口密度十分密集的国家，如果我们用1800亿吨左右的煤炭可采储量，去除以13亿的人口总数，那么我们的人均资源占有量就显得非常的少了。以我国的石油资源为例，石油的对外贸易依存度通过近年来研究人员的统计可以得知是处于不断攀升的状态，现在其依存度已经突破了60%。当前我国已经探明了大约60亿吨的石油储量，这仅仅够我国开采利用大约20年的时间，这差不多是全球能够使用的年限的一半，从这里就可以看出节能减排的重要性。

　　还需要特别注意的是中国不仅仅是能源强度高，中国在能源使用上面也是存在相当严重的浪费现象。有相关研究者研究到2020年，中国将会拥有接近15亿的庞大人口基数，如果以X一样的标准来衡量我国，也就是每人每年需要消耗接近3吨的石油量，那么我国每年单以石油的需求量来说就要消耗近45亿吨。而去年全球的石油全部的产量不过只有40亿吨，其中石油贸易量只有16亿吨，再加上已经做工成了成品20亿吨的贸易量，全部加起来有36亿吨的贸易量，就算全部供给给我国使用都还不足以满足需求。

　　根据以上的各项研究数据表明，我国在节能减排这上面的难度要比世界上任何一个国家都要高出不少，因此中国不得不走上一条积极整改的道路，有效正确地策划中国工业产业的社会生产。从各个领域去寻找能源消耗增加的关键影响因素，再根据这些影响因素分析得到既不影响社会进步的实施方针政策。把国家高层研究得出的能源整改政策准确地安排到各个领域里头，只有找准问题出现的方向，才能推动我国的整体社会生产造成的资源损耗情况的减少。

　　XX领导曾多次强调，要坚决做到既能完成节能减排总目标，也能照顾到中国的社会进步发展。然而在中国人文社会迅速进步，以及在各项社会主义经济目标取得巨大成功的同时，我国的社会资源和自然资源也遭受着巨大的损耗。随着中国人口一年比一年的增多，经济社会的进步迅猛，这也将会造成中国能源消耗总量一年比一年增多，而一年比一年增多的能源消耗总量对环境所带来的生态压力也一年比一年加大。社会的进步与自然生态的矛盾越来越尖锐，这种状况与社会生产的能源结构不合理有着一定且直接的关系。因此我们需要及时研究预测出能源消耗的未来趋势。

　　能源已成为了社会进步和成长不可或缺的基本条件。国内外众多学者研究分析能源消费与经济增长的关系，他们认为，首先是社会进步对能源的使用存在一定的依赖性，即能源推动了社会生产，进而促进了经济的快速增长；接着是，能源使用也得以社会进步为前提。学者们对于两者关系的判断是很多国家用来制定有效的能源政策的重要依据，通过实施后来宏观调控社会经济的平稳发展，因此对于能源消耗的研究有着不同寻常的现实意义和理论价值，而能源消耗这问题也已经成为了一个人人都不可忽视的问题了。有关两者之间关系的研究在20世纪70年代就引起全世界的注意。于是学者们对两者之间的关系做了无数的论证性研究工作。但是由于学者们用来研究的模型的不同、研究地域和社会因素不同、假设检验方法不同等问题的存在，因此学术界至今也没能得出一个人人认同的结果，也没能得出让所有人接受的研究说明。也正是因为这种种原因，这一研究也受到国内外学者的青睐。

　　目前用来研究能源消耗未来发展的理论主要有灰色预测法、趋势外推法、主观推断法、指数平滑法等。但是这些研究理论方法的结论产生的偏差相对较大。本篇论文采用的研究方法是EMD方法，此方法的全称为经验模态分解法(Empirical Mode Decomposition),虽然EMD方法的原理是处理信号，但是经过了学者们多年来对这个方法的研究和应用，它的众多优势开始渐渐为人们所知晓，特别是运用EMD方法在处理非平稳的信号时，以往研究时遇到的约束性问题就再也不成问题。目前，学者们开始在越来越多的领域去使用这个方法，如诊断机器故障的原因、通讯雷达信号的分解等各个领域，可见这个方法正在被学者们积极地开发出它的新用处，以便运用到更多的科研项目。因此为了探究分析能源消耗的新方法，本论文将主要以EMD方法为主要研究方法。

　　1.3.1关于能源消耗国内分析方法

　　目前我国能源的利用效率较低，且一次能源消耗中以煤炭为主，因此苟少梅采用对数平均迪式指数法对碳排放量进行因素分解，以此来分析能源结构和能源效率，这种方法对于分析能源消耗结构比较方便，但是用来预测能源消耗就有点片面，因为中国的能源结构正在不断地改进。沈镭则用模型和部门终端情景[1]进行模拟预测能源的未来消耗情况，这种预测方法比较全面，但是受限于目前国内相关的数据丢失比较多，因此还是存在一定的误差。宁艳艳基于改进的灰色GM（1，1）模型[2]对能源的将来的消耗情况进行预测。李肖冰利用系统动力学[3]对能源供求关系进行预测，全面预测各能源结构的消耗变化。陈玉金在研究能源消耗的未来情况则使用了神经网络回归分析组合模型[4]。汤晓晶运用LMDI方法[5]研究预测中国能源消耗的未来情况。

　　1.3.2关于EMD(经验模式分解)的使用

　　张承钊利用EMD分解方法提出一个新的组合预测模型——FEPA模型[6]，有效地提高了在区间金融的预测精度。林凌将EMD算法结合动态光谱理论中的频域提取算法[7]用于血红蛋白浓度的无创测量，其结果表明EMD有效地提高了测量的精确性。杨宏利用改进的EMD方法在水声混沌信号的降噪、特征提取与分类识别等应用中研究分析EMD方法在这里的可行性和有效性[8]。张承钊利用经验模态分解(EMD)、人工神经网络和时间序列，、构建了一个组合模型用于研究和预测股市中的股票指数的变化[9]-[10]。可见EMD方法在预测的精确效果较高，因此本文将EMD方法应用于中国能源消耗的预测。

　　2.1.1国外研究阶段

　　EMD方法从被提出和应用一直到现在不过才短短十几年时间而已，但已经被越来越多的学者所熟知和使用。由于现在关于EMD方法的使用不是很多，所以这个方法更多还只是停留在理论的层次上,但是，随着学者们在探究科学创新的过程中，EMD这一方法也渐渐被人们所注意到，正如xxxx所说的，“不管黑猫白猫，能捉到老鼠的就是好猫”，因此经验模态分解法就开始被越来越多的学者作为研究的工具登上了学术界的舞台。而学者们的每次使用和论证这个方法，都在一定程度上推动了学术界对于EMD方法理论的完善，尤其是经验模态分解法被越来越多不同领域的学者使用，这就意味着经验模态分解法的适用领域变得越来越广泛。也正是由于EMD方法一步一步地为人们所熟知和不断地开发出新功能，使得EMD方法也正在渐渐地形成了一个完整的理论结构。从最初被提出来的时候，黄博士通过研究经验模态分解法的理论基础[11]，对EMD完全分解算法给出了详细的说明。紧接着，黄博士带领他自己的团队，对经验模态分解法理论进行了再进一步的改进和完善，并将其运用在实际的研究工作中。如在1999年，他们将这个方法运用到了海洋波动数据的分析和研究，并且成功地取得了阶梯型的发展和进步；到了2003年，黄博士和他的团队又再进一步地将经验状态分解法运用到了白噪声的分解实验，成功地探究出了白噪声的IMF分量的特点，通过分析白噪声的IMF分量的特点得出了新的重要的结论，即如果IMF分量是正态分布的，那么白噪声的能量密度和平均周期就会是恒定不变的，这次研究的成功成为了信号去噪领域的新的里程碑，也成功地将经验状态分解法带进了信号去噪领域，也突破了以往学者们在这一领域里探究时所遇到的困惑;同一年里，法国的一位名叫加布里埃尔的学者自行研究总结出了EMD方法的理论，同时肯定了黄锷所发现的经验模态分解方法在学术研究中的优点，还指出了经验模态分解法其实只是通过大量的实验研究才衍生出来的理论方法，在根本上是缺少了严谨的数学理论基础这一缺点。加布里埃尔还通过设定边界条件和缺陷蹄挑停止准则来对经验模态分解算法进行理论性的端正，这为经验模态分解法进去其他领域奠定了理论基础。

　　截止到目前,经验模态分解法已经成为了在一维领域中处理非平稳的信号中不可或缺的重要方法了。法国学者尼姆在2003年就开始带领自己的团队对形态重建因子和径向基函数展开研究,设想了一种以二维层面分解的方法来对图像纹理进行抽取,并且成功地将图像以二维的形式提取了出来,尼姆成为了世界上第一个提出了BEMD算法模型的人，此外，尼姆的团队还再进一步的对BEMD方法展开了研究，并得出了其在图像纹理特征提取过程中是存在着特殊的性质的，这个方法的原理其实是让图像信号在算法地指导下以一种由高频到低频分解成的有限数目的子图像信号，这个算法的优点就在于图像信号是从高频到低频逐步分解出来的，过程十分清楚。而经验模态分解法与传统的多尺度分析技术主要区别就在于:经验模态分解法是先引入带有极值点的序列距离，然后在上面进行局部序列尺度化;接着是依靠迭代的算法以一种规定的准则为基础将所有的成分都提取出来。瑞典学者安娜在2004年的时候借助经验模态分解算法的特点来对小波进行分解比较,在成功地将数据进行了压缩处理后，得出了经验模态分解法的新用法，将经验模态分解法带入了信号传输的新领域中。在此之后，许多学者也依旧在对经验模态分解法进行了各式各样的研究和使用，并不断地在新领域中尝试使用这个方法，以求得到学术界未曾发现的功能。

　　2.1.2我国研究阶段

　　由于国外研究人员的积极探索和学术的交流，这让经验模态分解法在我国国内的学术界也开始渐渐流传了起来,而随着我国的学者也开始在探索和使用经验模态分解法，经验模态分解法很快就有了全新的领域研究和完善的机会。如重庆大学的邓建励、熊忠阳等学者在人脸识别技术上尝试加入和使用经验模态分解法这一方法,这启发人脸识别这一领域的研究者得到了一种全新的角度来设计和研究发明更加有效的人脸识别技术;在大连理工大学的一位名叫赵俊龙的教授由EMD方法的原理设想得出了局域波这一新型概念，同时他将其运用在了诊断机器故障的原因上面并取得了成功的突破;许东荒、王振辉以及他们的信息科学与计算专业的团队在南京理工大学里通过对经验模态分解法的研究计算，最终成功发现到经验模态分解法是可以用来处理嵌套在近地面的大气数据的;还有在青岛大学的李聪和杨得瓶，他们为了研究预测股市，充分理解和利用了经验模态分解法和神经网络模型这两种方法理论的特点，并将两者进行组合使用在了股票市场的大量数据研究里，成功地预测出了股票价格指数期货的变动趋势等。我国国内对于经验模态分解法的研究和使用还有很多，我们从中可以清楚地了解到,目前经验模态分解法在我国内也已经开始在不同的领域推广使用了。

　　我国的国家海洋所得宋平舰是我国第一个在二维领域里使用经验模态分解法的人，他和团队成功地在处理海洋遥感图像时得到了理想的图像信息结果；紧接着在2005年，由中国社科院自动化科学研究所的彭思龙及他的团队研究分析了经验模态分解法的应用领域方向以及将其运用到了纹理图像，得出了一个结论就是经验模态分解法是可以被图像纹理分析理论所结合来使用的；有学者曾指出在二维领域使用经验模态分解法去分解，其存在着分解速度慢的这一缺点,因此2008年在哈尔滨理工大学的宋立新、高凤娇等人则对经验模态分解法这一缺点展开了研究，最终锁定导致这一缺点的是径向基函数的问题，于是他们便根据研究的结论将径向基函数做了改进措施,使其变得更加简单,使用起来也更加的方便;而长沙理工大学的李峰、徐琼等学者也曾在二维领域里借助经验模态分解法来对图像压缩技术开展研究,研究结果与以往的研究理论方法相比,可以发现EMD方法不会遇到其他方法在研究时遭遇的约束性的问题;有学者也曾指出在二维领域运用EMD方法的过程中是存在端点问题容易被忽略的问题，而在哈尔滨工程大学的薛中伟及他的团队,便就这个问题展开了研究，研究结论最终提出来了改进EMD算法这一方案，即在保证分解图像质量的前提下,以改进的算法对数据进行处理进而得到了镜像延拓技术的改进版。虽然目前经验模态分解法这一方法的理论基础还不是十分的完善和成熟,特别是以数学理论为基础的理论研究说明很少这一现状,使得学术界对于其应用得出的结论是一直存在争议的，但是经验模态分解法给科学研究所带来的研究时的便利，特别是在时间序列上的分析应用等都让人看到其作为一种科研理论方法的存在价值，而且经验模态分解法也开始在很多学术领域里得到了应用,并在这些领域的研究中展示出了其不同于以往的分析思路及优点，这让我们见识到了经验模态分解法所拥有的光明前景。

　　EMD方法全称经验模式分解方法(Empirical Mode Decomposition)，是由黄锷博士发现的一种信号分析理论。与傅里叶分解与小波分解方法不同，EMD方法依据数据自身的时间尺度特征来进行信号分解，不需要预先设定基函数，在处理非平稳及非线性数据上有明显的优势。

　　EMD方法的主体是对数据进行经验模式的分解，它可以将复杂的信号数据以有限个本征模函数(IMF)的形式分解出来，分化出来的各个IMF分量包括了原信号在不同的时间段上的部分特征信号。这个理论方法是可以将非平稳的数据处理成平稳了的数据序列，接着就可以通过希尔伯特变换后得到时间序列频率谱图，进而分解得到具有现实分析意义的波状图。

　　由于基函数是由数据本身所分化得到，且这种分化是以信号序列和时间序列的局部特性为基础的。一个本征模函数需要满足的两个条件有：

　　(1)函数在整个时间序列内，部分极值点和过零点的数量必须一样，或至多相差一个；

　　(2)在任意的时间点，局部最大值的包络(上包络线)和局部最小值的包络(下包络线)平均必须为零。

　　EMD分解过程如下：

　　1)信号x(t)，其上下包络线分别为u(t)和v(t)，则上下包络线的平均曲线为m(t)=[u(t)+v(t)]/2；

　　2)用x(t)减去m(t)后剩余部分c(t)=z(t)-m(t)；

　　3)如果c(t)满足IMF条件，极值点之和过零点至多相差一个且包络线均值为0，c(t)就是一个IMF，如果c(t)不满足IMF条件，用c(t)代替x(t),重复上述步骤，直到c(t)满足IMF条件；

　　4)对信号剩余部分继续进行EMD分解，直到所得到的剩余部分只有一个局部极值点或为单调函数时，分解完成；

　　5)原始x(t)是所有IMF及剩余趋势项之和：

　　x(t)=

　　（1）找出信号s（T）上所有的MAX和原始数据序列。序列通过用三次样条函数拟合成。然后找出所有的最小值和利用装配到原始数据三次样条函数。

　　（2）分别计算上包络线和下包络线的均值m1(t)，得到一个去掉低频的新数据序列h1。计算方法等于原数据序列s(t)减去该均值:

　　（3）得出的h1(t)不满足IMF分量序列的要求，然后再重复进行（1）、（2）步骤。重复上述处理过程k次，直到h1(t)符合得到的均值趋于零为止，最终得到第1个IMF分量c1(t)：

　　（4）通过将从s(t)中分离出来，得到去掉高频分量的差值信号：

　　将r1(t)作为自变量，重复步骤（1）、（2）、和（3），得到第二个IMF分量c2(t)，以此类推，得到n个IMF分量。这样就有：

　　当满足使rn(t)成为一个单调函数时，EMD的分解过程完成，由上面两个式子可以得到：

　　其中，rn(t)是残余函数，代表的信号的平均趋势。分解的每一个IMF分量、…分别包含了在信号中的不同时间特征尺度大小的由小到大成分。进而就可以由各分量得出它含有不同的频率分量的部件，其结果是每个频率范围的不同频率分量，并且信号本身的变化。

　　根据各大研究数据可知，中国能源消耗总量是逐年增加，因此我们需要运用各种行之有效的方法理论来预测得知未来的能源消耗情况。本文根据《中国统计年鉴》上的最新数据，选取了从1953年~2016年的中国能源消耗总量、能源生产总量以及人口总量等三方面数据，并假设这三者未来的增长率不变，先画出搜集来的数据的趋势图来进行观察，看看是否是非平稳的时间序列上的数据，如果是非平稳的数据，就可以通过使用MATLAB这一软件来编码调用END函数来对这三组数据分别进行分解，通过分解可以得到IMF分量以及res趋势分量，根据已知年份的趋势可以分析三者从1953年发展到2016年的原因，并以此对三者未来的发展情况进行预测。由于目前EMD方法在学术界内的应用领域并不是十分广泛，因此在用EMD方法预测趋势出来后，再借助R语言对这三者的数据进行预测，由预测得到的数据结果，可以对EMD方法分解预测的结果进行验证，而根据通过验证后的预测趋势图可以得出能源消耗的上升和下降的预测趋势并基于节能减排的目的提出合理的建议。

　　根据《中国统计年鉴》1953－2016年的能源生产总量数据,先画出整体数据的趋势图：

　　由图一的趋势可以看出所搜集的能源生产总量数据是非平稳的时间序列数据，所以可以使用EMD分解法对数据做分解预测，可得IMF分量和res趋势分量如下图：

　　由上图显示结果可知，分解后的IMF分量按个高频到低频依次分解出来并由上至下排列，每个分量都有各自不同的频率和振幅。排在最上面的几个IMF分量都属于高频分量，后几个属于低频分量，其中res分量代表了能源生产总量的长期趋势。IMF分量的高频分量代表的是周期较短、短期波动的情况，低频分量代表的是周期较长、中期波动的情况。通过分析各IMF分量随时间变化可以看出，1978年以前,我国能源生产总量波动较为频繁且幅度较大,这反映了在当时的高度集中的计划生产的制度下,资源配置的不合理。到了1958~1960年,我国开始进入“大跃进”这一社会生产模式，社会生产结构高度不合理，使得大量的单一的能源被生产出来,这使得IMF分量在那个年代里出现了一个高峰。而到了1961~1963年,高度不合理的社会生产模式致使大量宝贵的资源被浪费，直接导致了社会人口的动荡，最终宣告了“大跃进”模式的“破产”,于是能源生产总量开始出现了一段低谷的时间。1965～1975年的所谓“文革”期间社会出现了长期的动荡不安，导致能源生产总量出现了明显下降的现象。1978年以后,xxxx开始整顿国民经济，因此我国的能源生产开始趋于平缓。

　　随着时代的发展，目前新科技的创造越来越多，截止2018年，各式无人机都开始步入社会，更多的社会生产将会由科技产品来承担，社会生产能力将更上一层楼，社会劳动力开始向人工智能转变，举个简单的例子，人类劳动力是需要休息时间的，而人工智能的休息时间则要远远少于人类，因此人工智能在进行社会生产时的时间也要远远高于人类，同时其生产速度也要高于人类，所以未来的能源生产总量必然呈增加趋势，然而近几年国际金融危机并未完全过去，整体市场氛围还是处于萎缩状态，因此未来几年内能源生产总量还会是一个下降的趋势，而当整个金融危机过去后，市场开始复苏，能源的生产又会上升，而这个未来的能源生产量的趋势由res分量就可看出来。

　　对于上述分析预测的结果，继续使用R语言编码使用ARIMA模型来实现预测功能来进行结果检验，由于进行长时间序列预测时会存在误差，所以为了减小误差，只预测5年的数据作为检验，预测得到的趋势图如下：

　　由趋势图可以看出在未来几年的时间内，能源生产总量将会继续下降，这与EMD分解法的预测趋势基本一致，而通过R语言的预测可以得到这未来几年的大致数据如下表：

　　年份2017 2018 2019 2020 2023

　　能源生产总量（万吨标准煤）330524 315048 299572 284096 268620

　　通过上表数据可以更加直接地看出未来的几年，能源生产总量的发展趋势，这与EMD分解法的预测结果一致，因此可以认为EMD方法对于能源生产总量的分解预测是没问题的，并且我们可以知道能源生产总量在2018年、2019年、2020年和2023年将分别降至315048万吨标准煤、299572万吨标准煤、284096万吨标准煤和268620万吨标准煤。

　　根据《中国统计年鉴》1953－2016年的人口总量数据,画出中国人口总量的数据趋势如下图：

　　由上图可以看出人口总量数据是不平稳的时间序列数据，因此可以使用经验模态分解法来对人口数据进行分解预测，预测所得趋势如下图：

　　由res分量可知，我国人口自建国以来一直稳定增长。从IMF分量可以看出由于社会安定，社会生产和医疗条件等方面的改善，以及国民积极响应xxx“人多力量大”的生育口号，因此人口迅速增长。从1970年以来，XX对计划生育的政策的重视程度加深，执行的力度也开始加大，于是人口的增长情况开始趋于平缓增长。到了2016年XX全面放开“二胎”政策，平缓增长的人口数又开始有了上升的迹象，但是由于目前巨大的社会生活压力的影响，众多七零后还有八零后纷纷选择了暂时不生育第二胎这一想法，所以近两年的人口增长情况并没有一下升上去，但是独生子女的弊端始终是存在的，这也就是“二胎”政策被放开的原因所在，因此当人们总体上都基本熟悉了“二胎”政策后，社会生活条件有所改善时，人口的增长势必会与预测的增长趋势一般。

　　用R语言使用ARIMA模型对上述分析预测的人口发展趋势进行检验，R语言运行结果如下图：

　　由图六可见人口总量在未来几年内的发展趋势与EMD分解预测的一致，可得预测数据如下表：

　　年份2017 2018 2019 2020 2023

　　人口总量（万人）139003.3 139761.7 140511.2 141263.7 142015.3

　　由上表我们可以得知，人口总量将在2018年、2019年、2020年和2023年分别升至139761.7万人、140511.2万人、141263.7万人和142015.3万人。人口不断增长是我国社会主义发展过程中一直存在的一个现实问题，人口的数量在资源的消耗问题上是世界各国都在思考的问题，然而对于我国目前正在全面放开“二胎”政策的这种时候，我们只能把注意力放在提高人口质量这上面了，当人口质量上去了即国民素质提高了，就会推动我国的人文社会稳定发展，能源的使用浪费情况也将大大减少，而这也将会成为把能源消耗控制在可控为范围内的一大助力。

　　根据《中国统计年鉴》1953-2016年的能源消耗总量数据,画出中国能源消耗总量数据的趋势图，如下图：

　　可知能源消耗总量数据也是非平稳的数据，因此对数据进行EMD分解预测，得到IMF分量和趋势分量res如下图：

　　由上图的IMF分量可以看出来，建国初，社会生产百废待兴，因此能源消耗情况十分平稳。而到了1953年起，中国XX开始着手实施第一个“五年计划”，同年鞍山钢铁公司大型轧钢厂等三大工程也建成投产，于是能源消耗开始上升，直到1955年全国掀起农业合作化，社会生产重心开始转移，能源消耗便一下子降了下来，形成了20世纪50年代能源消耗的一个高峰。到了1956年底中国社会的三大基本改造完成，社会主义制度基本建立，中国社会进入了社会主义初级阶段，社会生产和建设开始进入平稳发展的时期，能源消耗也趋于平缓。而到了1958年至1960年，我国开始进入了“大跃进”生产时代，大量的能源被浪费，导致能源消耗情况开始上升，这种情况一致维持到1963年，“大跃进”生产模式的破产，使得能源消耗一下子下跌，出现了低谷时期。紧接着我国开始进入了紧张动荡的“xxxx”的年代，社会生产严重受影响，于是能源消耗就以低谷时期的水平持续发展。1978年起，十一届三中全会的召开，将社会发展重心转移到经济建设上来了，能源消耗量又开始缓慢上升，并渐渐趋于平缓的状态。近几年来，在习xxxx的“富国强军”号召，中国在各大领域的建设力度持续不断，所以IMF分量的波动频率开始变得频繁，波动的幅度也在变大，而正因为有建设，所以消耗的能源就会增加，结合图一和图三的能源生产总量和人口总量的未来趋势可知，未来这两者都是呈上升趋势，而这两者的增长将推动能源消耗总量的上升，这一点在res分量也可以很明显看出能源消耗在未来将会是持续上升的情况。

　　运用R语言对上述分析预测结果进行检验，检测结果如下图：

　　由上图的趋势图可看出，未来几年的能源消耗总量的预测趋势与EMD分解法预测出来的趋势一致，具体预测得到的数据如下表：

　　年份2017 2018 2019 2020 2023

　　能源消耗总量（万吨标准煤）442095 448190 454285 460380 466475

　　由表三我们同样可以看到能源消耗总量将在2018年、2019年、2020年和2023年分别升至448190万吨标准煤、454285万吨标准煤、460380万吨标准煤和466475万吨标准煤。单纯从能源消耗总量的上升来考虑，说明我国未来的社会生产在各大领域都将会有实质性地突破，然而从生态和社会生产可持续共存的角度出发，这则将是一个严重的预示，告诉我们节能减排已经是到了必须坚决执行的时候了。

　　虽然当前我国的人口问题存在老龄化的问题，但是也存在着人口年轻化的问题。据调查报告显示至2016年中国人口负担系数为48%，其中14岁以下的少儿负担系数为34%，而65岁以上的老年人负担系数为22%。由此可见我国的人口老龄化与新生人口过多对我国的能源需求有很大的影响，甚至是对我国的能源产业发展都有很大的负面作用。

　　根据我国的社会主义规划，我们将在2020年全面进入小康社会。而那时我国的人均收入将可以得到实质性的提升。而我国人均消费能力的增长也会使我国的人均能源占有量增加，但是目前我国的能源生产总量的增长与日渐增多的人口对能源的需求之间还有相当大的距离，虽然改革开放以来，我国制定了节制人们的生育，提高国民素质的人口政策，但我国的劳动力大多数人的素质还是十分低的，这样一来，我国的能源消耗的现状问题就没办法在短时间内得到有效地解决，从而使能源的生产不能跟上越来越大的人口对于能源的需求，而这也将使得人口与能源生产及能源消耗的关系渐渐形成了对立。

　　现在社会生产所使用的能源主要包括原煤、原油、天然气、水电、核电、风电等。随着我国社会生产的进步和发展，经济水平也在稳步上升，国民的生活水平有着明显的改善。可是越是如此我们就越该注意到，随着社会的发展，人民生活水平的提高，由此导致的能源损耗的问题也将越来越多，能源使用的也将越来越快。

　　随着人们生活水平的普遍提高，家里有能力购买冰箱、空调、电脑、私家车、智能化产品等的数量也就越来越多了，这就直接导致了能源消耗总量全面的上升。随着中国社会生产的进步，我国出现了越来越多的能源新兴产业，这些产业天天都在使用并在使用过程中浪费了大量的能源。而国内的制造业、建筑业、交通运输业等领域的进步都会使用越来越多的能源。再者，社会的发展和进步推进了科学创新技术的成长，而科学创新力量的提高将会更进一步地促使了能源消耗总量的上升。这样便形成了一个恶性循环，人文社会进步得越快，科学创新力量越强大，能源消耗总量也就越来越多。因此，人文社会的进步和科学创新力量的增强是导致能源消耗总量增加的最根源所在。

　　能源当年的产出总量的增长是造成社会生产的能源消耗总量增加的直接原由。社会的进步和发展则致使社会对于能源的需求量的增加，而有了社会需求就必然带动社会生产供应，这就造成了能源消耗总量的大幅增长。随着我国人口数目的增长，带来了家庭的日常生活能源消耗量等诸多层面的能源消耗总量都在不断地增长。而且，社会中的每一个人对生活中的能源使用都是无止境的需求，每一个人都会在满足自己的生活需要的同时消耗了数不尽的社会资源。我们每个人平时的生活作息，特别是在吃、喝、玩、乐等各项目中都会产生大量的能源消耗。我们不可以忽视我们生活中所使用的能源之中，有些是不可再生能源，用完了就是完了。目前的社会生活节奏越来越快，人们习惯了快节奏、高效率的生活方式，这就滋生了许多人为了求快而养成铺张浪费的生活习惯，也就直接导致了大量的能源生产总量被无谓地浪费了。

　　在用经验模态分解法分析预测能源生产总量、人口总量和能源消耗总量的未来趋势，并用R语言对预测的结果进行检验后，可以得知基于EMD方法对中国能源消耗的分析与预测是可取的，根据EMD分解的结果，我们可以得知在未来，能源消耗总量必然还是处于增长的状态，以最近的未来几年的预测数据显示在2023年的时候，我国人口总量将上升至142015.3万人，而人口增多就意味着对于能源的使用者增多，这就必然导致能源消耗的增加。预测出来的能源消耗总量数据则显示在2023年的时候也将上升至466475万吨标准煤，而对于我国现在正处于经济发展、城镇化以及工业化高速发展的阶段，这个是必然的趋势，社会要发展、要进步，就离不开社会高效的生产，高效的社会生产在创造更多的价值时，也会带来更多的能源消耗，再加上与日俱增的人口的日常生活使用，也在不断地增加着能源的消耗总量。但是对于最近几年的能源生产总量的预测却显示下降的趋势，虽然等经济危机过去后，社会的高效社会生产就将会带来能源生产总量的上升，但是在此之前我们不能什么都不做就等着这个契机的出现，预测数据显示在2023年的时候能源生产总量将会是268620万吨标准煤，以2023年的能源消耗总量来作对比，明显可以看出能源生产总量远远不足以供给能源消耗，那么在这种现实条件的限制下,势必会促使人们更进一步在我们赖以生存的生态环境索取资源，导致能源超负荷被消耗，因此节能减排这一举措就成了未来的时间里的重头戏。为了达到此目标，本论文提出了以下建议：

　　(1)虽然目前XX全面开放了“二胎”政策，但是计划生育政策还是需要继续执行下去。因为人口问题始终还是国家发展的根本问题。再抓好生育问题的同时，也需要教育界加大教育国民的力度，只有从根本上提高了国民的全面文化素质，才能使人口成为执行节能减排政策的真正助力。

　　(2)国家资源委应该规划好未来能源的发展路线，调节能源生产的结构，淘汰落后的生产设备以及生产方式，在提高能源生产总量的同时有效减少能源浪费的问题。对于工业化程度高的企业加以监管，督促其在符合环境标准的基础上进行生产作业，减少处理环境污染而产生的能源消耗。

　　(3)加速行业本身的在节能减排这一块的技术力量的创新。科学创新力量进步是达到节能减排这一目标的关键。努力创建以工业制造业等企业为主要的自主创新和技术更新换代的发展之路，形成以社会发展需求为主要的节能减排的科学创新力量与技术研发的文化框架，团结一致完成节能减排创新技术的研发，加速节能减排的社会生产新技术在企业里全面推广使用，直至在各大节能领域都能得到全面的使用。节能减排这一伟大目标的关键一环始终还是离不开科学创新，而科学创新的主要动力源泉则是离不开各式各样的技术骨干，因此企业在进行社会生产的同时也要一直招募顶尖的科学技术人才，带领他们通力合作，全面开发和创新社会生产技术，让我国的节能减排创新技术可以走向世界。就现阶段来说，节能减排新技术在德国、X等发达国家的研发相对较发达，中国的各大产业都需要全面地和其他国家的节能减排新技术进行互换和知识的交融，全面认识和借鉴发达国家在这一领域的高新技术力量和他们的研发经历，通过不间断地学习和借鉴发达国家的高新节能减排技术和先进的科技装备，来使我国在进行社会生产的过程中能够有效优质地做到节能减排。更深一步地开放与其他国家在节能减排这一领域的研发的合作。学习整合国内外科研院所的科学创新研发的力量，并进行科学技术融合，达到扬长避短，优势互补，从而推动科学研发与能源产业密切地联系在一起，这样不仅可以提升科技创新的开发力量，同时也可以节约科技开发的技术成本支出，并让科学创新技术可以在满足节能减排的同时促进社会生产的过程中发挥作用。

　　(4)要紧紧抓住能源生产、人口和能源消耗三者的关系。目前能源生产总量一直是应付不了不断高升的能源消耗总量，然而这一直上升的能源消耗又不单单是社会发展过程中产生的，还有随着人口不断提高而带来的越来越多的日常生活所需的消耗，也有众多的浪费情况存在。社会要发展就会消耗到能源，因此就需要提高能源生产总量，为了减少能源的浪费，就需要控制人口的无限制增长还有人口质量。而当这两者被有效地控制起来后，那么随之而来的必然是能源消耗总量的下降，社会发展和生态环境保护也将更进一步地统一在一起。

　　[1]沈镭,刘立涛,王礼茂,陈枫楠,张超,沈明,钟帅.2050年中国能源消费的情景预测[J].自然资源学报,2015,30(03):361-373.

　　[2]宁艳艳,王秋萍,张延利.基于改进的灰色GM(1,1)模型能源消耗预测[J].河南科学,2016,34(05):657-661.

　　[3]李肖冰.基于系统动力学的中国能源供求预测模型研究[D].内蒙古科技大学,2015.

　　[4]陈玉金,刘建永,李凌,伍中军.基于神经网络回归分析组合模型的能源消耗预测研究[J].兵工自动化,2008(11):59-60.

　　[5]汤晓晶.中国能源消耗及能源强度的影响因素分析[D].重庆大学,2016.

　　[6]张承钊.一种金融市场预测的深度学习模型：FEPA模型[D].电子科技大学,2016.

　　[7]林凌,李威,周梅,曾锐利,李刚,张宝菊.EMD算法在动态光谱无创测量血红蛋白浓度中的应用[J].光谱学与光谱分析,2014,34(08):2106-2111.

　　[8]杨宏.经验模态分解及其在水声信号处理中的应用[D].西北工业大学,2015.

　　[9]张承钊,潘和平.基于前向滚动EMD技术的预测模型[J].技术经济,2015,34(05):70-77.

　　[10]Huang N E,Shen Z,Long S R,et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London A,1998,454:903-995.

　　[11]付晓波.经验模态分解法理论研究与应用[D].太原理工大学,2013.