碳排放指标分解方法实证研究

研究碳排放指标分解指标的基本准则,对碳强度下降途径法、基准值调整法和趋势预测法进行了对比分析,在掌握各区县能源、经济等领域基本数据基础上,为保证北京市碳排放目标实现,研究建立基于能源、经济等指标下降的碳排放指标分解方法学.根据各区县历史指标数据及与预估数据测算出未来一段时期内各区县结构节能、技术节能和能源替代导致的碳强度年下降率,结合各区县经济社会能源发展预测、所属功能区定位等加以校验,最终形成区域碳排放指标分解初步方法.     

信息熵和多因素灰色系统模型在碳排放的分析与预测

碳排放是引起气候变化的重要原因.针对影响碳排放的因素和预测问题,以2007-2016年广西碳排放10年的数据为样本,提出了利用信息熵与灰色系统理论分析能源结构、能源强度、人口数量及碳排放之间的相关性和相关程度,建立了多因素预测模型对碳排放量进行了预测.通过评价指标P=0.98和C=0.14,表明了预测模型具有良好的精度...     

河北省水资源短缺预测研究——基于离散二阶差分方法分析

水资源短缺现象在当前全球很多区域日益凸显.国内外在水资源短缺方面的研究也日渐增多.系统梳理了国内外近几年水资源短缺的研究成果,分解造成地区水资源短缺的主要因素;论述当前国际国内水资源预测的研究状况,讨论当前比较成熟的预测方法.在此基础上,详细列出离散二阶差分方法(DDEPM)的推导过程,采用DDEPM方法,以2000—2011年的河北人口与供水量数据为基础数据,对河北2020年的人口数值、水资源总量与用水量进行预测,随后计算出河北人均缺水量,发现河北人均水资源的占有量随着人口的不断增多而出现小幅降低,河北省的水资源短缺情况在未来一段时间内如果没有良好的解决方案,可能会更加严重.     

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。     

基于ARMA-GARCH模型的北京碳排放权市场价格分析

作为我国经济发展迅速的城市之一，北京碳排放权市场的分析将为我国其他城市碳排放权市场的分析提供重要参考，能够为进一步评估我国碳金融市场提供一定的帮助。因此，本文选取了2013年11月8日—2021年6月4日北京碳排放权市场的日收盘价作为研究对象，并将该数据以2020年1月1日为分界线分为新冠疫情前和新冠疫情后两组数据分别进行建模，采用ARMA-GARCH模型对北京碳排放权市场价格进行分析，刻画北京碳排放权市场价格的变动趋势。结果表明：新冠疫情前碳交易市场的日收盘价用ARMA(0,2)-GARCH(1,4)的拟合效果较好，疫情后碳交易市场的日收盘价用ARMA(0,1)-GARCH(1,4)的拟合效果较好。文中根据ARMA(0,1)-GARCH(1,4)模型对北京碳交易市场碳价未来30天的收益率进行了预测。     

基于生产函数理论的重庆市碳排放预测

为确定经济社会的发展和化石能源的开发利用对碳排放增加的影响,对长江经济带典型工业城市——重庆的碳排放进行预测.基于内生增长理论,采用数据调研、情景分析等方法分析对重庆市地区生产总值、人口、能源结构等多项碳排放驱动因素指标进行了分析预测.基于生产函数理论,构建了重庆市地区碳排放模型,对2014—2035年的重庆市地区碳排...     

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.     

中国建筑业碳排放影响因素与预测研究

中国一直是碳排大国,其碳排放增长问题持续引发世界关注.建筑业作为一直在国民经济中占据重要地位的行业,其碳排放量约占全国碳排量的20%.因此,有必要研究建筑业碳排放的影响因素,并预测中国建筑碳排放的趋势.从以往相关研究中识别出12种我国建筑业碳排放影响因素,以2000—2016年的指标数据作为样本,利用灰色关联分析原理,筛选出关联度较高的8种影响因素,并结合BP神经网络模型构建我国建筑业碳排放预测模型.利用神经网络预测2017—2020年碳排放影响因素和碳排放预测值.研究发现,样本预测值对实际值的拟合度良好,说明所得训练网络泛化能力较强,进而证明筛选出的影响因素对建筑业碳排放影响程度高,可以用于预测建筑业碳排放.预测模型提高了神经网络的训练速度,为建筑业碳排放预测提供了新的工具.     

山东省建筑业碳排放影响因素及峰值预测

为丰富山东省建筑业碳排放领域的研究,利用碳排放系数法建立了时间序列下山东省建筑业碳排放计算模型,分析了2004—2019年山东省建筑业碳排放情况。基于STIRPAT模型识别建筑业碳排放影响因素,利用最小二乘法和岭回归对影响因素进行定性分析,再将影响因素引入情景分析。通过控制影响因素变化速率,设置多种情景,预测山东省建筑业碳达峰出现时间与达峰量值。结果表明,结构因素对山东省建筑业碳排放的影响最大,其次是人口规模。情景预测结果显示,控制人口涨幅、加速优化能源结构和产业结构、降低对煤炭的依赖程度和降低碳排放强度是2030年达到碳排放峰值年的关键控制指标。