**

为了研究全国以及火电、冶金、建材和化工行业的煤炭消费量，本研究基于无偏灰色(GM)、差分自回归移动平均(ARIMA)、逻辑斯蒂(LOGISTIC) 和 人工神经网络(ANN) 模型，分别构建了各行业的组合预测模型。我们运用了相关系数、平均绝对误差(MAE)、平均相对误差(MAPE) 和均方根误差(RMSE) 等评价指标来检验这些组合模型的拟合精度，并筛选出各行业的最优组合模型，预测了2020—2030年各行业的消费趋势。

研究表明，最优加权组合模型的R²、MAE、MAPE和RMSE等检验指标均优于单项模型。具体而言，我们分别构建了权重为(0.32，0.68)的我国煤炭消费总量预测模型 GM-ARIMA，权重为(0.28，0.14，0.58)的火电行业预测模型 GM-LOGISTIC-ARIMA，权重为(0.40，0.60)的冶金行业预测模型 GM-LOGISTIC，权重为(0.32，0.68)的建材行业预测模型 ANN-ARIMA，以及权重为(0.79，0.21)的化工行业预测模型 ANN-ARIMA。

预测结果显示，未来我国煤炭消费总量和火电行业的消费量将呈小幅增长趋势，预计到2030年分别达到41.67亿吨和22.10亿吨。冶金和建材行业的消费量则预计保持稳定，2030年分别达到6.60亿吨和5.04亿吨。这些预测结果与相关研究中的趋势保持一致，进一步验证了组合模型在复杂行业预测中的优越性。

在深入了解组合模型及其在煤炭消费预测中的应用时，可以参考相关研究如《基于最优加权组合模型的煤炭消费预测分析》和《煤炭价格预测模型》，这些文章中提供了更详细的数据分析和背景信息，有助于更全面地理解该领域的预测方法和应用场景。