碳排放預(yù)測(cè) 數(shù)學(xué)建模

《碳排放預(yù)測(cè) 數(shù)學(xué)建模》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、碳排放預(yù)測(cè)摘要碳排放問(wèn)題在我國(guó)已引起廣泛的關(guān)注，為制定有效的碳減排路徑提供決策依據(jù)，現(xiàn)需對(duì)外來(lái)幾年的碳排放進(jìn)行預(yù)測(cè)，題中需要我們采用多個(gè)模型進(jìn)行預(yù)測(cè)，其中GM（1,1）、BP神經(jīng)網(wǎng)絡(luò)是必須采用的方法，第三種預(yù)測(cè)模型我們采用了多元線性回歸進(jìn)行預(yù)測(cè)。模型一，GM(1,1)預(yù)測(cè)碳排放模型。本文收集了從1985—2010年26年的碳排放總量的數(shù)據(jù)，剛開(kāi)始的時(shí)候?qū)?6年的數(shù)據(jù)都拿進(jìn)去進(jìn)行預(yù)測(cè)，但相對(duì)誤差太大，故考慮到減少一部分?jǐn)?shù)據(jù)，降低相對(duì)誤差，最后利用1995—2010年的數(shù)據(jù)進(jìn)行預(yù)測(cè)，相對(duì)誤差達(dá)到了9%。然后通過(guò)相關(guān)度檢驗(yàn)及后驗(yàn)差檢驗(yàn)都是非常好的。并且求解預(yù)測(cè)出將來(lái)5年的碳排放總量，結(jié)果在

2、下表。模型二，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)碳排放模型。在分析各項(xiàng)影響因素時(shí)，提取了下面七個(gè)因子：全國(guó)GDP、人口總數(shù)、城鎮(zhèn)化、第三產(chǎn)業(yè)所占比率、能源強(qiáng)度能源消費(fèi)總量、煤炭煤炭石油所占百分比、實(shí)際碳排放。并且利用模型一GM(1,1)預(yù)測(cè)各因子2011年—2015年的數(shù)據(jù)，最后利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，結(jié)果在下表。利用權(quán)重對(duì)各影響因素進(jìn)行分析，發(fā)現(xiàn)城鎮(zhèn)化及能源強(qiáng)度為主要影響因素。模型三，多元線性回歸預(yù)測(cè)碳排放模型。在分析各項(xiàng)影響因素時(shí)，提取了下面4個(gè)影響因子：人均GDP、人口總數(shù)、城鎮(zhèn)化、能源強(qiáng)度能源消費(fèi)總量。利用SPSS對(duì)各個(gè)因子進(jìn)行擬合得到未來(lái)幾年的預(yù)測(cè)數(shù)據(jù)，然后利用多元線性回歸對(duì)未來(lái)幾年的碳排

3、放進(jìn)行預(yù)測(cè).并且能源強(qiáng)度與城鎮(zhèn)化是主要影響因素。應(yīng)用各模型對(duì)碳排放總量進(jìn)行預(yù)測(cè)年份20112012201320142015GM(1,1)88.40396.616105.59115.4126.12BP88.03788.97487.74187.97485.807回歸94.2195104.8865117.1429131.2383147.4613現(xiàn)對(duì)上面的數(shù)據(jù)進(jìn)行分析，只有BP神經(jīng)網(wǎng)絡(luò)在未來(lái)是有下降的趨勢(shì)了，故有兩種可能，結(jié)合實(shí)際現(xiàn)對(duì)碳排放的控制逐漸上升，故BP預(yù)測(cè)有一定的可取性，在2011年中GM(1,1)與BP相近，故在此預(yù)測(cè)2011年的碳排放為88億噸左右。關(guān)鍵詞碳排放預(yù)測(cè)GM(1,1

4、)BP神經(jīng)網(wǎng)絡(luò)多元線性回歸201問(wèn)題的重述中國(guó)是世界上能源生產(chǎn)與消費(fèi)大國(guó)。碳排放問(wèn)題在我國(guó)已引起廣泛的關(guān)注，“十二五”規(guī)劃中明確提出要“節(jié)約能源，降低溫室氣體排放強(qiáng)度”。要實(shí)現(xiàn)這一目標(biāo)，需要對(duì)碳排放的影響因素進(jìn)行深入分析，構(gòu)建科學(xué)的預(yù)測(cè)模型來(lái)對(duì)未來(lái)碳排放進(jìn)行預(yù)測(cè)，為制定有效的碳減排措施提供決策依據(jù)。請(qǐng)先收集中國(guó)歷年碳排放及其影響因素的數(shù)據(jù)（收集至少近20年的相關(guān)數(shù)據(jù)），然后根據(jù)收集的數(shù)據(jù)建立至少3種定量預(yù)測(cè)模型（其中GM（1,1）和BP神經(jīng)網(wǎng)絡(luò)模型必需，其它可考慮微分方程、多元回歸分析等）來(lái)對(duì)未來(lái)中國(guó)碳排放進(jìn)行預(yù)測(cè)，并結(jié)合若干性能評(píng)價(jià)指標(biāo)對(duì)模型進(jìn)行分析比較，并指出影響碳排放的主要因素

5、，向有關(guān)部門(mén)提出具體建議。2模型的基本假設(shè)1）所有收集的數(shù)據(jù)是真實(shí)可信的；2）假設(shè)只考慮對(duì)碳排放有影響的幾個(gè)主要因素可以對(duì)未來(lái)幾年的碳排放進(jìn)行有效的預(yù)測(cè)，即可以暫不考慮那些次要的影響因素；3）假設(shè)我國(guó)碳排放是以某種趨勢(shì)變化的，無(wú)自然的突發(fā)因素來(lái)影響碳排放；3符號(hào)說(shuō)明：GM(1,1)中初始數(shù)據(jù)序列。：GM(1,1)中對(duì)累加數(shù)據(jù)序列。：GM(1,1)中的緊鄰生成序列。：GM(1,1)中相對(duì)誤差序列。：GM(1,1)中相關(guān)度檢驗(yàn)殘差序列。：GM(1,1)中后驗(yàn)差檢驗(yàn)均方差比值。：GM(1,1)中后驗(yàn)差檢驗(yàn)的小概率誤差。：BP神經(jīng)網(wǎng)絡(luò)中輸入層節(jié)點(diǎn)數(shù)。：BP神經(jīng)網(wǎng)絡(luò)中輸出層節(jié)點(diǎn)數(shù)。：BP神經(jīng)網(wǎng)

6、絡(luò)中隱層神經(jīng)元個(gè)數(shù)。：多元線性回歸中因變量碳排放總量。：多元線性回歸中自變量人口總數(shù)20：多元線性回歸中自變量城鎮(zhèn)化：多元線性回歸中自變量人均GDP：多元線性回歸中自變量能源強(qiáng)度4模型的建立與求解4.1.問(wèn)題分析我國(guó)是世界上能源生產(chǎn)與消費(fèi)的大國(guó)，碳排放的問(wèn)題在我國(guó)已經(jīng)引起廣泛的關(guān)注，“十二五”規(guī)劃中明確提出要“節(jié)約能源，降低溫室氣體排放強(qiáng)度”。要實(shí)現(xiàn)這一目標(biāo)，就需要對(duì)碳排放的影響因素進(jìn)行分析，然后構(gòu)建預(yù)測(cè)模型對(duì)未來(lái)幾年的碳排放進(jìn)行預(yù)測(cè)，從而為制定碳減排路徑提供決策依據(jù)?，F(xiàn)建立三個(gè)模型，分別對(duì)將來(lái)五年的數(shù)據(jù)進(jìn)行預(yù)測(cè)，三個(gè)模型分別為GM(1,1)、BP神經(jīng)網(wǎng)絡(luò)、回歸分析。4.2模型——模

7、型一控制理論中信息的多少常常用系統(tǒng)顏色的深淺來(lái)表示，灰色介于黑白之間，即部分信息已知，部分信息未知。灰色模型（GrayModel,GM）是通過(guò)數(shù)據(jù)序列建立微分模型來(lái)擬合給定的時(shí)間序列數(shù)據(jù)，從而對(duì)數(shù)據(jù)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)?；疑３Ｓ玫哪Ｐ褪荊M（1，N）,其中，1代表微分方程的階數(shù)，N代表變量的個(gè)數(shù)是N個(gè)。本文中采用最簡(jiǎn)單的灰色模型GM(1,1).4.2.1灰色GM(1,1)預(yù)測(cè)模型建模原理定理一：設(shè)序列，且為非負(fù)序列灰微分方程，，其中為原始數(shù)據(jù)序列為的序列