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。     

基于自组织模型的城市人口分布动态演化

根据耗散结构理论自组织建模原理,在费尔哈斯模型(Verhulst model)的基础上,以城市区域的人口为状态变量,考虑城市区域人口的相互迁移作用和环境竞争约束因素,尝试建立城市人口区域分布演化模型来进行城市系统演化的讨论.在广州市历史人口数据的基础上,利用基于自组织原理的城市人口区域分布动态模型,模拟预测了广州市未来50年4个区域人口动态演化趋势,其结论可以为现实的广州市人口预测提供参考依据.     

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.     

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。     

中国碳排放影响因素分析和趋势预测——基于STIRPAT和GM(1,1)模型的实证研究

采用STIRPAT模型全面地对影响中国2000—2011年碳排放的因素进行分析,并利用灰色模型GM(1,1)预测了中国2012—2020年碳排放量.研究结果显示:城镇化率、经济增长、产业结构、能源价格、人口、能源结构和外贸强度对碳排放量有一定的促进作用,技术进步对碳排放量具有较强的抑制作用;其中对中国碳排放量增加影响较大的因素是人口和产业结构;根据GM(1,1)预测模型的结果,可以看出未来的减排压力还很大.因此,治理碳排放的政策应该综合考虑人口、产业结构和技术进步等影响因素.     

吉林省碳排放影响因素分析及与经济增长的脱钩研究

定量研究省域层面各因素对碳排放的影响程度,以及分析经济增长与碳排放的关系,是完成"十二五"和2020年碳强度下降指标的关键所在.以吉林省为例,运用STIRPAT随机模型,采用有偏估计岭回归方法对人口、经济、技术等因素对碳排放的影响程度进行了模拟,并检验了碳排放与经济增长是否存在环境库兹涅茨曲线关系;同时,引入脱钩指数法对碳排放与经济增长之间的脱钩关系进行了分析.结果表明:经济增长对碳排放的相对影响程度较大,是碳排放的主要影响因素;经STIRPAT模型检验,经济增长和碳排放之间未出现环境库兹涅茨曲线关系;经济增长与碳排放之间处于相对脱钩状态,这也从另外一方面验证了目前两者之间不存在环境库兹涅茨曲线的假说.     

分析及改进阻滞增长模型及对人口数量和结构的预测

目的改进阻滞增长模型及对深圳人口进行预测,为计划生育政策以及＂单独二胎＂政策提供有效的理论依据。方法通过建立阻滞增长模型,利用统计数据资料,求出了模型中的参数,并对1970—2010年的人口数量进行了预测。通过与实际人口数量进行比较,发现阻滞增长模型人对口数量的预测是较符合真实情况的。本文第二部分建立了Leslie模型。结果得到1990年人口11.433亿与真实值11.106亿十分接近,预测了2015—2030年人口数量的变化与人口年龄结构的变化,预测得出了2030年人口老龄化更加严重。结论发现Leslie模型不仅可以对人口总量进行准确预测,也可以反映人口变化的深层次因素。     

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...     

中国碳排放量的组合模型及预测

根据碳排放的演化规律,采用ARIMA模型与BP神经网络集成的组合模型,对中国碳排放量进行预测研究;取1980—2007年中国碳排放量作为训练样本,确定模型参数;然后取2008—2013年中国碳排放量作为测试样本对文中的组合模型进行验证,并与已有文献所建立的预测模型进行比较,结果显示,此处所建立的组合模型预测误差极小;最后,根据组合模型对2014—2020年中国碳排放量进行预测,指出中国还将继续面临碳减排压力。     

安徽省城镇化演进与碳排放间库兹涅茨曲线假说与验证

选取常住城镇人口占总人口比重等16项指标,构建了城镇化综合评价体系,采用熵值法测算了城镇化综合指数,运用STIRPAT模型,通过引入城镇化综合指数二次项,构建了城镇化与碳排放间库兹涅茨曲线简约模型,采用偏最小二乘回归分析方法考察了两者间演化关系,结果表明:1安徽省城镇化水平综合指数由1996年的0.047 5上升至2012年的0.994 0;2人口、技术、产业结构对碳排放变化影响的弹性系数分别为0.015 817、-0.130 286、0.033 898;3经济发展水平的一次项、二次项系数均为正,经济发展与碳排放间未能验证出具有环境库兹涅茨倒U型关系;4城镇化综合指数一次项系数为0.344 428,二次项系数为-0.907 312,城镇化与碳排放间契合倒U型曲线,当城镇化综合指数为1.209 016时,城镇化对碳排放影响最大,随着城镇化综合水平进一步提升,其对碳排放影响减缓,因此,安徽省可以通过优化产业结构、促进科技进步、控制人口增长、提高城镇化综合水平等举措,实现碳减排目标.     

基于碳减排处理技术的碳排放权价值分析

将实物期权的思想引入碳排放权价值的研究.先通过B-S模型分析不考虑碳减排处理技术的碳排放权价值,再进行基于碳减排处理技术的碳排放权价值分析.得到含有碳减排处理技术的碳排放权的价值模型.     

上海市碳排放影响因素的灰色关联分析与预测

为给上海市降低碳排放量提供有益参考,同时给中国城市低碳发展作示范,通过灰色关联分析法研究了上海市2000—2011年碳排放量与经济增长水平、人口规模、产业结构、能源结构、能源强度的关联度,并详细分析了各影响因素对上海市碳排放量的影响.同时运用基于正弦函数变换的GM(1,1)模型对上海市碳排放量进行了预测,预测结果表明了上海市加大节能减排力度的紧迫性.最后,针对研究结果,结合上海市实际情况,给出了降低上海市碳排放量的具体对策和路径.     

山东半岛蓝色经济区碳排放的影响因素

基于改进的Kaya恒等式和对数平均迪氏分解(LMDI)模型,对2009—2016年山东半岛蓝色经济区的碳排放进行因素分解和贡献率计算。结果表明:排放强度效应是促进碳排放的主导因素,对碳排放总量变化贡献率可达到96.72%;能源强度效应对碳排放量起到遏制作用,对碳排放总量变化贡献率为-27.03%,2009—2016年期间一直处于贡献率负值,在一定程度上抑制了碳排放的增长;经济因素是促进碳排放增加的关键因素,对碳排放总量变化贡献率为28.5%;人口因素对碳排放总量变动的影响较小。     

利用ARIMA-SSA-LSTM组合模型的碳排放交易价格预测

单一的预测方法在不同方面各有优劣,为了提高碳排放交易价格预测的精确度,从智能算法出发提出ARIMA-SSA-LSTM组合碳排放交易价格预测模型。该模型通过结合非线性规划局部搜索的优势和遗传算法全局搜索的优势使用非线性规划遗传算法分配差分整合移动平均自回归(ARIMA)模型和麻雀搜索算法优化后的长短时记忆(LSTM)模型(SSA-LSTM)的权重,通过加权得到最终的碳排放交易价格预测结果。运用ARIMA-SSA-LSTM组合模型,ARIMA模型,LSTM模型和SSA-LSTM模型分别对湖北省与广东省碳排放交易价格进行短期和长期预测。实证结果表明,相比单一的ARIMA模型、LSTM模型、SSA-LSTM模型,ARIMA-SSA-LSTM组合模型三个预测精度评价指标均为最小,碳排放交易价格预测精度最优。相比于传统ARIMA模型,机器学习LSTM模型具有更精确的预测结果,并且趋势预测更优。引入智能算法后,权重分配结果更加准确,LSTM模型的预测性能得到提升,印证了智能算法在碳排放交易价格预测领域的有效性。     

中原经济区低碳经济发展的影响因素及驱动机制研究

基于LMDI模型,对中原经济区2003—2012年碳排放的影响因素进行分解.研究表明,经济发展是中原经济区碳排放增长的主要因素,能源消耗强度的降低对碳排放具有显著的抑制作用,处于快速工业化的中原经济区产业结构调整在一定程度上促进了碳排放的增长,同时,人口增长对碳排放增长也有一定的促进作用,而能源结构的改善(碳排放系数降低)对碳排放有一定的抑制作用,而且这些影响因素的作用强度及方向处于动态变化之中;资源环境、城镇化、区域发展战略等对碳排放变化也有较大影响.以上因素相互作用、相互影响,形成了低碳经济发展的驱动机制.     

碳配额约束下港口企业绿色技术采纳补贴博弈

为探究地方政府补贴政策对港口企业采纳绿色技术行为决策中的作用,运用演化博弈方法构建地方政府与港口企业之间的博弈模型,结合前景理论思想弥补了传统演化博弈理论中收益值为期望效用的缺陷,采用更加贴切的主观感知价值构建基于碳配额约束下博弈双方的损益矩阵.结果表明:当港口企业采纳绿色技术获得的主观感知收益与购买碳排放额的交易成本...     

基于STIRPAT模型的京津冀“碳达峰”预测研究

为了解决京津冀地区碳排放量达峰问题,以河北省为例,研究京津冀碳排放达峰实现路径,对京津冀未来的碳排放量进行预测分析,建立以河北省2004—2021年碳排放相关数据为基础的STIRPAT碳排放预测拓展模型。设置了6个情景,通过综合考虑人口规模、人均GDP、城镇化率、产业结构、能源强度、能源结构数据的变化速度,模拟不同情景下京津冀2022—2040年的碳排放趋势,进而预测京津冀三地的“碳达峰”时间与碳排放峰值。结果表明：北京除清洁发展情景是在2030年达峰,其余情景均在2035年达到峰值;天津除经济放缓情景是在2030年达峰,其余情景均在2035年实现“碳达峰”;河北除基准情景在2035年达峰外,其余情景均是在2030年达到峰值。所提的碳排放预测拓展模型在考虑多情景分析下,就京津冀地区如何控制和减少碳排放量提出相关建议,可为京津冀低碳经济的发展提供一定的参考依据。     

交通运输业碳足迹测算及其交互效应评估——以京津冀地区为例

针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数（Logarithmic Mean Divisia Index, LMDI）乘法形式模型研究京津冀地区交通运输业的碳排放与其他社会经济指标的交互效应;最后,基于京津冀产业结构及城镇化差异等社会经济背景,分析京津冀交通运输业碳排放影响因素的空间差异性.研究结果表明：京津冀地区交通运输业碳排放在研究期内逐年增加,北京市增长率最高,且年均增长率为8.58%;经济增长因素对京津冀全域交通运输业碳排放增加促进作用最显著;交通运输产业、生产效率等因素作用效应存在空间差异,而经济增长、人口效应、交通运输能源利用强度和碳排放强度等指标则表现出较弱的空间差异;促进经济增长与交通碳排放等环境负面影响的脱离、提高交通运输业生产效率、根据人口效应及结构进行交通运输系统设计的优化与结构调整、优化交通运输业能源结构等措施,有助于减少京津冀交通运输业碳排放量.     

利用链路预测推断网络演化机制

直接建立演化模型推测影响网络演化的因素是目前研究网络演化制的常用方法,但由于可供比较的结构特征量太多,不同的模型之间难以进行定量化的比较.链路预测是指利用网络的结构或者节点的属性息预测未产生连接的两个节点间产生连接的可能性.其本质是挖掘网络产生连边的原因和驱动力,这同时也是网络演化模型所关的问.实际上,一个演化模型原则上都可以对应于一种链路预测的算法.因此,助链路预测的理论框和评方法可以定量化地对不同演化模型所对应的链路预测算法进行评,从而间接地对演化模型的表现进行定量比较.本文首先绍于节点接近性的链路预测方法,然后讨论利用链路预测推测网络演化制的本框.在以中城市航空网络为例的实证分析中发现,当单独利用结构(共同邻居数目)和节点属性(地理位、人口、GDP和第三产业产值)作为定义接近性的因素时,于共同邻居的算法预测准确度最高,暗示网络演化主要受结构因素影响,其次才是外在因素.而将四种于节点属性的算法与于结构的算法耦合进行计算时,共同邻居配合第三产业产值效最好,与偏相关分析和因分析的结论一.本文为研究网络演化模型供了全新的视角和分析工具.