基于生产函数理论的碳排放量模型及应用

为了准确预测经济社会发展及能源消费的二氧化碳排放量(简称碳排放量),提出了基于生产函数理论的碳排放量模型.首先,以生产函数为理论基础,结合碳排放量与经济社会发展及能源消费相关的事实,构建了碳排放通用模型;利用经典的碳排放模型,验证了通用模型模型的合理性.其次,根据我国可能出现的发展情况,以人口、GDP、城市化率、能源强度、能源结构和产业结构等作为驱动因素,推导出适合我国的碳排放系列模型.最后,将国家统计局历史数据和外推法驱动因素数据带入碳排放预测模型中,实现对我国碳排放量预测.结果表明:新碳排放量模型更加符合实际情况;人口、GDP和城市化率是碳排放的主导驱动因素;用新模型预测得出我国碳排放在2027年左右达到峰值,经济社会发展将在2030年前实现脱碳.     

中国能源消耗及利用效率、碳排放与产业投资结构的灰色关联分析

从产业投资结构角度出发,探讨其与能源消耗及利用效率、碳排放的关系,有利于正确把握产业投资结构对能源消耗及利用效率、碳排放不同的影响方向与程度.以中国2003-2010年全国三次产业固定资产投资额、碳排放总量、单位GDP消耗的碳、单位GDP消耗的能源做灰色关联分析,研究发现,不论是对能源消耗和碳排放量,第二产业投资与能源消耗和碳排放量的相关性最大,而在碳排放利用率的相关分析中发现,第二产业投资与单位GDP消耗的碳,单位GDP消耗的能源相关系数最低,第三产业投资对能源利用效率的影响并不是优势因素.在此基础上,探讨了产业投资结构的优化和降低碳排放,提高能源利用效率的策略,以期能够合理引导中国产业投资结构,降低能源消耗,转变经济发展方式,实现国家经济低碳发展.     

产业结构调整和碳排放量耦合分析——以上海为例

为准确把握产业结构调整和碳排放量的动态关系,通过构建灰色系统理论模型,选取上海市2001—2011年度碳排放量和三次产业的产值,运用灰色关联度的研究方法,具体分析了产业结构调整和碳排放量之间的关联关系.首先计算出上海市2001—2011年的碳排放量,然后结合这11年的三次产业产值,运用灰色关联度分析法分析了两者之间的关联关系.结果表明,上海第三产业和碳排放量的关联度最大,第一产业和碳排放量的关联度最小.此外,结合能耗强度的相关研究成果对结论进行分析,分别从政府、企业和社会的角度对上海市发展低碳经济提出了建议.     

改进遗传神经网络对露天矿边坡位移预测

为提高BP神经网络对边坡位移的预测精度,将遗传算法的交叉算子及变异算子改进,用以优化BP神经网络的初始权值和阈值.应用改进的遗传神经网络对安家岭露天矿1270平盘边坡位移进行预测,同时应用未改进的遗传神经网络及BP神经网络作对比分析.结果表明:改进遗传算法为BP神经网络提供了进一步优化的初始权值、阈值,应用改进遗传神经网络对安家岭1270平盘边坡位移进行预测,改进遗传神经网络的预测精度与遗传神经网络及未经优化的BP神经网络相比进一步提高,是一种可行的边坡位移预测方法.     

中部地区碳排放现状及影响因素分析

利用碳排放公式计算了2000—2008年中部6省的碳排放量,对比了各省碳排放量差异。根据Kaya公式探析了中部地区碳排放影响因素,揭示了人口、人均GDP、能源强度及能源结构对中部碳排放的影响,提出了中部地区降低碳排放的主要对策。     

陕西省能源消费碳排放分析及预测

陕西省是西部大开发战略实施的重点省份,近年来国民经济呈现快速增长势头,"十一五"以及"十二五"节能减排任务艰巨.本文采用IPCC2006提出的能源碳排放计算方法,根据近年来陕西省能源消耗、GDP增长以及产业变化的相关数据,分析陕西省碳排放的现状,探讨了能源结构和产业结构变动对碳排放量的影响,通过卡亚公式对2009～2020年能源碳排放量趋势进行了预测.研究表明,陕西省GDP的快速增长导致能源碳排放总量的上升,以煤类能源为主导的能源结构是碳排放强度较高的主要因素,预测显示碳排放总量将在人均GDP达到3.5万元附近出现拐点.针对陕西省能源碳排放的趋势,提出了持续优化能源结构,降低煤类能源比重,促进产业结构升级,加快第三产业发展,发展新能源等多种应对策略.     

基于BP神经网络的我国碳排放情景预测

碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴STIRPAT模型的影响因素,选取人口、城镇化率、人均GDP、第三产业GDP比例、能源消耗强度、煤炭消费比例等6项因素为自变量,以1980-2009年的指标数据为训练样本,运用BP神经网络方法构建了我国碳排放预测模型,并对2010-2015年我国碳排放进行预测,结果表明我国“十二五”期间应适当降低GDP增速,促使碳排放目标的有效实现。     

陕西省碳排放与经济发展关联性研究

研究陕西省碳排放量的测算,预测未来碳排放态势及对区域经济发展的影响。基于清单法和非线性最小二乘法,运用碳排放余额法和超对数模型模拟预测研究。测算了1991—2013年陕西省的碳排放余额,预测陕西省2020年的单位GDP碳排放余额为0.313 9,比2005年水平减少18%,且碳排放随着人均GDP增高逐步增大,但增幅以平均1.6%水平递减,因而,陕西省碳减排压力较大。针对陕西省碳排放情况,提出继续走区域低碳经济发展道路,提倡清洁能源研发和应用;提倡生态、循环、集约型的农业生产模式;提升区域居民的低碳环保意识;增加生态补偿力度等有效减排措施。     

基于“能源大脑”的城市区域碳排放实时计算方法

现有碳排放计算方法不能很好地满足碳排放区域逐渐细化和实时需求.为保证碳排放责任分摊的实时和准确,提出一种城市区域碳排放实时计算方法.利用改进的K-means聚类算法,对城市区域能源负荷的运行时段和运行场景进行聚类组合,得到典型碳排放特征.将区域单位电力碳排放量作为碳排放指标;归类运行时段和场景,计算各簇单位电力碳排放量和城市区域碳排放总量.基于中国东部某地区“能源大脑”中部分能源消费历史数据进行验证,结果表明：该聚类方法和碳排放指标可以有效地实时计算城市区域碳排放总量.     

基于分形理论的我国碳排放量预测研究

运用以分维为基础的分形理论,选取1978—2013年的碳排放数据,对我国2014年、2015年和2016年的碳排放量进行预测.根据数据绘制我国碳排放量的散点图,并以此为基础,分别从新能源利用、经济发展方式、法律保障和人才培养等方面提出降低我国碳排放量的对策.     

基于能源消费的江苏省碳排放特征及规律分析

基于江苏省能源消费的统计数据,利用碳排放方法分析了2002—2010年不同能源消费类型和不同产业部门的碳排放特征．结果表明：碳排放量是随着能源消费量的增加而增加的,碳排放强度由于GDP的快速增加,呈现了快速下降的趋势．在碳排放总量中,第二产业的能源消费是主要的碳排放来源,年均增长率为14．9％,其中,工业占主导地位,年均碳排放量为51．84Mt;生活消费和第三产业碳排放次之,年均增长率分别是2．23％和3．4％．而在第二产业中,原煤是工业碳排放的主要来源,年均碳排放量为31．15Mt．江苏省能源消费碳排放总量增长速率小于GDP的增长速率,导致各年碳排放强度以年均5．2％的幅度下降,进一步表明在经济快速发展的同时,还未实现CO2绝对减排．     

基于ACO-LSSVM燃煤碳元素分析的锅炉CO2排放量计算

针对生产实际中无法对燃煤组分进行在线检测分析的问题,建立了基于最小二乘支持向量机的燃煤的碳含量预测模型.以工业锅炉燃煤的相关工业分析数据作为模型的输入,并采用蚁群算法对最小二乘支持向量机相关参数进行寻优以提高模型的建模精度.应用该模型对福建地区工业锅炉燃煤的碳元素含量进行预测,预测结果的最大误差为1.18%,平均误差为0.64%.和传统多元逐步回归预测方法相比,该预测模型具有较高的预测精度,为工业锅炉二氧化碳排放量的科学计算奠定了基础.     

基于支持向量回归机的中国碳排放预测模型

选取人口、城镇化率、人均GDP、服务业增加值比重、单位GDP能耗、煤炭消费比例等6项影响因素作为自变量,运用支持向量回归机方法构建中国碳排放预测模型。以1980—2009年碳排放及影响因素数据为样本,通过训练、测试得到具有良好学习与推广能力的支持向量回归机模型。结合"十二五"规划,设置不同情境下影响因素预测值,对2010—2015年中国碳排放进行预测。预测结果表明,中国可适当降低GDP增速,不断优化能源结构,以确保碳减排目标的有效实现。     

基于扩展的STIRPAT模型的河南省发展低碳经济的影响因素分析

研究低碳经济的主要影响因素,对河南省转变经济发展方式、建设中原经济区具有重要的现实意义.基于扩展的STIRPAT模型,利用河南省1978—2010年统计数据,对河南省低碳经济的主要影响因素及其贡献率进行了实证研究.结果表明:对碳排放总量有显著正向影响的主要因素有人口增长、经济发展、能源强度与单位能耗碳排放量的交互作用、能源消费结构、国际贸易分工;对人均碳排放量有显著正向影响的因素有经济发展水平、能源强度与单位能耗碳排放量的交互作用、能源消费结构、产业结构、国际贸易分工.产业结构对碳排放总量的影响不显著,但对人均碳排放有显著的正向影响.河南省碳排放的最大正向影响因素及贡献率最大的均为经济增长,而能源强度和单位能耗碳排放量交互作用对碳排放具有一定的抑制作用.     

中国各省区(市)城市化进程中碳排放变化特征及影响因素分析

以工业能源消耗和居民生活能源消耗产生的碳排放作为研究对象, 用建成区占总面积的比例、非农工业人口和城镇人口分别占总人口的比例等3 个指标来衡量城市化率, 分析1995-2012 年间城市化过程中碳排放的地区差异及影响因素, 得到以下结论。1) 全国的碳排量以及人均碳排放量在1995-2012 年间整体上呈上涨趋势, 可分为缓慢增长、快速增长和增速下降 3 个阶段。单位产值的碳排放呈整体递减趋势, 递减速度变缓。2) 各省份碳排放随城市化率增加的区域差异明显, 北京、上海、天津均是碳排放相对较低和城市化率相对较高的地区。3) 从 3 种单位城市化率的碳排放来看, 绝大多数省市出现2000 年下降之后再上升的趋势。内蒙古自治区单位土地城市化率的碳排放最高, 单位人口城市化率(非农业人口比重和城镇人口比重)碳排放最高的是河北、河南和山东。4) 城市化过程中碳排放的影响因素也存在一定的地域差异, 对各省份而言, 能源结构对碳排放影响有限, 能源强度对各省区碳排放的贡献为负, 产业结构对碳排放的贡献有正有负, 而经济水平和人口规模对碳排放的贡献几乎均为正。研究结果可为我国区域碳排放削减的策略制定提供科学依据。     

鱼群算法与神经网络结合的节能减排效果评价

从污染物减排率、单位工业增加值减排量、治理工业污染投资总额、GDP相关指标、能耗下降率5个方面建立节能减排效果评价指标体系,分析BP神经网络与鱼群算法结合的可行性,探讨鱼群算法优化神经网络的步骤。最后对7个地区2006~2009年节能减排效果评价指标,在专家打分测评的基础上,运用神经网络及鱼群算法优化神经网络方法进行节能减排效果评价。研究结果表明:在收敛过程中,运用神经网络所得实际输出值与专家评分的误差长时间停留在0.7左右,而运用鱼群算法优化神经网络方法能够以较大的斜率快速收敛到期望误差;在误差为0.001时,前者经过202次训练后能够达到目标,而后者只需要75次训练就能达到目标,这表明鱼群算法优化神经网络具有准确、快捷、简易等优点,此方法用于节能减排效果评价行之有效。     

预测循环流化床L阀颗粒质量流量的改进BP算法

在采用相对误差函数、训练集重组、增加惯性项、参数动态变化、权矩阵随机变化量等措施对传统的BP神经网络算法改进的基础上,利用改进的BP神经网络算法建立了循环流化床L阀固体颗粒质量流量的预测模型,得出了循环流化床L阀的充气位置、充气方式和充气体积流量与固体颗粒质量流量之间的映射关系,获得了对循环流化床L阀固体颗粒质量流量较好的预测结果.     

中国化石能源与电能利用碳排放足迹研究

基于碳足迹、碳足迹产值和碳足迹生态压力等指数,研究中国2000—2007年能源利用情况,分析2007年我国各地区的碳足迹状况及产生原因,在此基础上提出我国在优化能源利用方面可采取的措施.结果表明:2000—2007年总碳足迹和人均碳足迹均呈上升趋势,人均碳足迹从2000年10.45hm2/人增加到2007年28.61hm2/人,增幅达274%;2000—2007年我国能源利用碳足迹生态压力和人均GDP均呈上升趋势,碳足迹生态压力从2000年的9.77增长到2007年的26.74,增加值为16.97,但这段时期内,我国能源利用碳足迹产值却在下降,从751.96元/hm2减少为682.44元/hm2;2007年各地区碳排放差别较大,排放量最大省份是河北省,为2.98×1013 t,最小省份是青海省,为2.25×1012 t;地区间碳足迹产值与生态压力差异明显,但存在高峰值现象,并且两个峰值均出现在上海市.     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。