我國二氧化碳排放量的研究-文庫吧資料
2025-07-04 18:38本頁面
【正文】 ，若影響因素未知，則不能 對未來幾年進行合理的預(yù)測；（2）GM(1,1)在長期的預(yù)測中誤差相對來說會偏大，所以該模型可以進行 短期的預(yù)測有很好的效果。因此，減緩CO2排放最有效的方法是適當減少工業(yè)規(guī)?；蜣D(zhuǎn)變工業(yè)發(fā)展模式，盡量尋求清潔能源代替化石燃料以減少交通運輸?shù)刃袠I(yè)的碳排放量。根據(jù)最小二乘法預(yù)測可知，未來幾年變化趨勢見圖56。2．BP神經(jīng)網(wǎng)絡(luò)模型的求解 ，預(yù)測的精確度較高，可以用來對未來數(shù)據(jù)的預(yù)測（圖55），對20122015年的能源消費排放量進行預(yù)測數(shù)據(jù)如下表（）： 2012—2015年碳排放量預(yù)測數(shù)值年份2012201320142015預(yù)測值對于中國的能源總碳排放量，檢驗得出通過多次訓(xùn)練都可以給出較準確的預(yù)測值。在以后知道各個因素值的情況下，可以得出較一定的預(yù)測值。 ①學(xué)習(xí)訓(xùn)練過程：用樣本組數(shù)據(jù)對網(wǎng)絡(luò)進行訓(xùn)練,經(jīng)過一定的迭代次數(shù)，系統(tǒng)平均誤差達到已設(shè)定的精度后，獲得穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu)、連接權(quán)值、節(jié)點閾值。模型訓(xùn)練中采用6個影響因素19922009年的指標數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，訓(xùn)練樣本有18個，以20102011年數(shù)據(jù)作為測試樣本。．模型Ⅳ 1．BP神經(jīng)網(wǎng)絡(luò)模型的建立通過分析， 采用3層的BP網(wǎng)絡(luò)結(jié)構(gòu)。利用對數(shù)據(jù)進行擬合（程序見附錄三）并預(yù)測20122015年全國排放量圖54 GM（1,1）灰色預(yù)測圖根據(jù)上面的數(shù)據(jù)可以預(yù)測20122015年的全國排放量，： 20122015年碳排放的預(yù)測值年份2012201320142015預(yù)測值:經(jīng)驗證，該模型的精度不高，可進行粗略預(yù)測和預(yù)報。．模型的建立．模型Ⅰ1．最小二乘法擬合對收集到經(jīng)處理后的各指標數(shù)據(jù)分別作出如下（圖52）散點圖：圖52 原數(shù)據(jù)經(jīng)出理后的散點圖 把處理后的數(shù)據(jù)利用最小二乘法擬合對未來數(shù)據(jù)進行預(yù)測（程序見附錄二）可以的到擬合圖分別如下圖（圖52）：圖53 最小二乘法擬合預(yù)測 經(jīng)最小二乘法擬合預(yù)測后，我們可以得到20122015年各指標的預(yù)測值如下表（）： 各指標20122014年的預(yù)測值農(nóng)林牧漁工業(yè)建筑交通批銷其他2012.82358.71947.734172013.69619.75712.799772014.52907.78885.869092015.31854.81369.94211 20122015年我國碳總量排放預(yù)測值年份2012201320142015預(yù)測值．模型Ⅱ1．多元回歸模型的建立根據(jù)分析，將碳的排放量作為目標函數(shù)，利用對最近20年平滑 后的數(shù)據(jù)進行處理和分析得出多元線性函數(shù)為： 2．多元回歸模型的求解年份觀測值預(yù)測值殘差標準殘差相對誤差19924%19932%1994019951%19961%19973%19985%19995%20003%20011%20024%20034%2004.020051%20061%2007020081%20092%20102%20110 對能源總碳排放量的回歸分析 把模型Ⅰ中處理后的各個指標的數(shù)據(jù)帶入多元線性函數(shù)預(yù)測到20122015年的全國總碳排放量數(shù)據(jù)（） 2012—2015年預(yù)測數(shù)值年份2012201320142015預(yù)測值，可以看出回歸分析在某些值的預(yù)測上有比較接近的解，但大部分標準殘差都在1左右，說明只有一般的效果，總的來說比較理想，為使預(yù)測數(shù)值更精確，本文建立模型Ⅲ?；瑒悠骄嬎愎綖椋? 式子中、分別表示第、年當年指標值； 兩端點數(shù)據(jù)為： 式子中、分別表示起始、終止指標值； 通過調(diào)整水平值,利用滑動平均法對我國1992～2011年碳排放量水平和影響碳排放因素的數(shù)據(jù)進行平滑處理,其結(jié)果如圖51所示（程序見附錄一）。針對問題二：通過問題一中各種模型的解，本文對數(shù)據(jù)進行分析對比，得出能源消費的主要因素，并向有關(guān)部門提出合理性建議。BP神經(jīng)網(wǎng)絡(luò)模型：首先我們分析將多個影響因素作為輸入神經(jīng)元，確定隱含層神經(jīng)元個數(shù)，再將碳的排放量作為輸出層。GM（1,1灰色預(yù)測模型：根據(jù)GM(1,1)基本定義，逐步編程求解，得出灰色模型，對已有的數(shù)據(jù)進行預(yù)測，再進行模型檢驗。針對問題一：最小二乘法模型：本論文先對對處理后的數(shù)據(jù)作出散點圖，之后利用最小二乘法擬合，對未來數(shù)據(jù)進行預(yù)測。經(jīng)過分析得出，對于預(yù)測問題，首先我們想到的是一些經(jīng)典預(yù)測方法，如時間序列預(yù)測、回歸預(yù)測、聚類預(yù)測、神經(jīng)網(wǎng)絡(luò)、灰色理論、本底趨勢線、微分方程模型等等。2 模型假設(shè)全球碳資源處于動態(tài)平衡狀態(tài)；
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1