基于空间聚类分析的中国省域能源消费碳排放分布特征研究

根据2007年的中国能源统计年鉴的数据,采用灰色关联度模型综合考虑影响碳排放的各种因素,选取了GDP、城市化率、第二产业比例、能源利用效率和碳排放强度5个影响碳排放的指标,利用基于空间邻接关系的空间聚类方法分析了中国31个省市、自治区的碳排放情况,运用主成分分析方法确定了聚类后的每个区域的碳排放指标的权重.研究结果表明:1)能源消费碳排放指标值相似的省份,其空间分布具有相邻的特点;2)中国能源消费碳排放总体上呈现出北部地区高于东部沿海地区,中西部地区最低的空间分布格局;3)聚类后的每个区域影响碳排放的主要驱动因素有所不同.上述分析为有效分区管理和合理制定节能减排政策提供了科学依据.     

基于LSSVM算法的商业楼宇碳排放量动态监测方法

针对现阶段商业楼宇碳排放监测精准度较低的问题,提出基于最小二乘支持向量机的分类和回归算法（Least Squares Support Vector Machine,LSSVM）的商业楼宇碳排放量动态监测方法。获取碳排放量数据并计算碳排放指标,设计基于LSSVM算法的商业楼宇碳排放量动态监测流程,实现对商业楼宇碳排放量的动态监测。通过设计对比实验,表明该研究方法监测精准度更高,具有更好的监测效果。     

基于改进遗传BP算法的产业产值中单位GDP碳排放量的预测研究

针对产业产值中单位GDP碳排放量的预测问题,系统分析了产业产值与能源消耗碳排放量的关系,在传统遗传算法的基础上,根据动态神经网络模型优化算法过程,克服了传统遗传算法的无动态性,提出了改进遗传BP算法.根据2005—2014年北京等10个省市第三产业的单位GDP碳排放量相关数据资料,利用改进遗传BP算法预测各省市在2015年的单位GDP碳排放量,其预测值与真实值的平均误差值为-0.03,其平均相对误差仅为1.06%,说明该算法在数值预测方面的有效性.     

基于密度的改进聚类算法比较

针对传统K-means算法的聚类结果依赖初始聚类中心的缺陷,提出了一种基于密度的改进K-means聚类算法,该算法选择位于数据集样本密集区且相距较远的数据对象作为初始聚类中心,实现K-means聚类。针对PAM算法时间复杂度高,且不利于大数据集处理的缺陷,提出了一种基于密度的改进K-medoids聚类算法,在选取初始中心点时根据数据集样本的分布特征选取,使得初始中心点位于不同类簇。UCI机器学习数据库数据集和随机生成的带有噪音点的人工模拟数据集的实验测试证明,基于密度的改进K-means算法和基于密度的改进Kmedoids算法都具有很好的聚类效果,运行时间短,收敛速度快,有抗噪性能。     

2001～2010年中国能源碳排放与城市扩张脱钩分析

城市扩张与工业化、经济发展和能源消费关联紧密,据此构建能源碳排放与城市扩张脱钩分析模型.在此基础上,运用能源消费及城市土地统计数据,分2001~2010年、2001~2006年("十一五")、2006~2010年("十二五")3个时段,在全国、东中西部、省域3个层面开展中国能源碳排放与城市扩张脱钩关系的比较分析.结果表明,2001~2010年,中国能源碳排放快速增长且增速超过城市土地扩张速度,能源碳排放减排压力较大.能源消费的减排技术、能源消费结构和能源利用效率还亟需提升."十一五"至"十二五"期间,中国能源碳排放减排压力有所减缓,同时东中西、省域之间差异显著.     

基于模拟退火算法对K-means聚类算法的优化

K-means聚类算法是近年来数据挖掘学科的一个研究热点和重点,该算法是基于划分的聚类分析算法.目前这种算法在聚类分析中得到了广泛应用。本文将介绍K-means聚类算法的主要思想,及其优缺点。针对该算法经常陷入局部最优,以及对孤立点敏感等缺点,提出了一种基于模拟退火算法的方法对其进行优化,可以有效地防止该算法陷入局部最优的情况。     

考虑清洁能源参与的跨区域能源配置优化模型

分别以区域发电成本最优、区域碳排放最优以及综合效益最优为目标,结合区域能源优化中涉及的经济效率、碳排放以及输电约束等问题,构建了含清洁能源的跨区域发电计划优化模型.利用GAMS软件进行模拟分析,结果表明模型能在一定程度上优化区域间的发电成本和环境成本;对比清洁能源参与、不参与区域能源优化的结果可知:清洁能源在优化中的贡献度明显高于化石能源;区域间碳排放价格的差异将影响清洁能源与化石能源所实现的能源置换效益.     

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．     

一种基于kmax的K-means改进算法

K-means算法需要人工设定聚类个数且易受孤立点影响,根据这个缺陷提出了一种新的改进算法。改进算法通过设定初始值及初始值的最大值,在聚类过程中自动获取聚类数k。实验结果表明,该算法在一定程度上缓解了K-means算法对初始值敏感及受孤立点影响的问题,能产生高质量的聚类结果。     

基于聚类分析的大学生体质异常数据提取方法

针对大学生体质异常数据提取内存开销大、覆盖率低等问题,提出基于聚类分析的大学生体质异常数据提取方法。通过Relief算法调整数据特征距离,筛选出异常数据的相关特征,采用K-means算法聚类分析异常数据,将单条信息汇集为一类信息,改进K-means算法的K值选取,实现大学生异常数据精准提取。经验证,该方法具有较高的覆盖率,拥有较小的内存开销与时间开销,能够有效降低异常数据提取过程中内存与时间消耗。     

一种基于最优模型选择的流量预测方法

本文提出一种基于ARMA(Auto-Regressive and Moving Average Model)最优模型选择的流量预测方法。该方法建立流量序列对应的ARMA模型集,利用OPTICS和K-Means两种聚类算法对序列分类。通过对基于模型集的最佳预测结果和序列分类的分析,建立序列分类与模型之间的对应关系,并利用对应关系选择针对序列类型的最优模型预测。实验表明该方法预测结果具有良好的精确度和稳定性。     

基于聚类选址的区域能源系统站网布局优化规划

区域能源系统中能源站选址和管网布局规划是影响区域能源系统经济性的重要因素.综合考虑能源站选址、管网布局与负荷分布的特点,提出了基于聚类和最短路径算法的站网布局优化方法.首先,将最短路径权重作为聚类相似性度量,建立站网布局结构模型.然后以系统年均经济成本最小为目标,构架优化目标函数.最后以实际工程案例进行仿真分析,验证了...     

基于网约车数据的级联城市区域分析框架研究

针对城市区域的复杂性和多变性,提出了一个级联城市区域分析框架(cascaded urban area analysis framework, CUAAF),用来对城市区域进行时空聚类分析.首先,将城市区域划分为多个地理栅格.其次,采用新的区域时空行为指标(area behavior index, ABI)评估任意2个栅格之间的相关性.接着,用Louvain算法对相应的栅格网络进行分析,得到聚类区域.在得到聚类区域后,可再次将该区域输入CUAAF框架,进行级联分析,得到更多分层信息.级联实验可以采用多种指标分析城市区域,从不同层次了解城市区域,获得更详细的城市区域信息.最后,分别用周中周末的数据做了对比实验,结果显示本文方法具有稳健性和数据敏感性.     

基于一种改进的K-means 法的校园网用户行为分析研究

随着师生对网络流量需求的迅速增长,如何合理的增加用户的流量,既能满足用户的基本上网需求,又能合理利用出口带宽.本文基于一种改进的K-means聚类算法,以校园网用户的行为特征为对象进行聚类,为优化用户计费策略和合理的分配出口带宽提供了数据依据,为校园网用户个性化需求方面提供理论依据.     

基于半监督的K-means聚类改进算法

针对原始K-means算法的一系列问题,提出一种基于半监督的K-means聚类改进算法,能够自动进行聚类,找出最优K值,并且最大限度地找出孤立点.首先根据样本集自身的特点,按照"类内尽可能相似"原则一步一步形成数据集,然后对数据集进行"去噪"与合并相似簇,最后,利用少量的标记信息指导和修正聚类结果.在UCI的多个数据集...     

基于邻域关系的三支聚类方法

针对当前三支聚类方法不能有效处理数值型数据,且三支聚类结果受阈值影响问题,文章基于邻域关系提出了确定合适阈值的三支聚类方法。首先给出了确定最优K值的改进K-means聚类算法。进而基于邻域关系下的下、上近似引入精度,提出了权衡边界域和精度关系的有效性评价指标。应用该指标,给出了确定邻域下、上近似中最佳阈值的构建算法,进而得到三支聚类的核心域和边界域。最后,通过UCI数据集上的实验验证了该方法的可行性,且该方法有效提高了聚类精度。     

一种基于划分的聚类算法分析与改进

K-means 是一种基于划分的聚类算法,由于 K-means 算法在选择初始聚类中心时是随机选取 k 个点,因此一旦 k 个点选取不合理,将会误导聚类过程,得到一个不合理的聚类结果。在分析聚类结果对初值依赖性的基础上,对初值选取方法进行了分析和研究,采取“射靶”的原理进行类中心搜索。从实验结果中可以发现,改进后 K-means 得到的聚类结果更加稳定,对初始聚类中心的依赖性减弱了。     

基于能源消费的重庆市土地利用碳排放效应分析

基于能源消费视角,通过构建土地利用碳排放核算模型,从土地利用碳排放核算、碳足迹和碳排放强度3个方面,对重庆市1997-2010年的土地利用碳排放效应进行时空变化分析.结果表明:(1)重庆市土地利用碳排放总量呈增加趋势,由1997年的3 796.12×104t增加到2010年的9 435.21×104t;独立工矿用地的地均碳排放强度最大;单位GDP碳排放强度呈现下降趋势,节能减排实施效果明显;碳足迹呈增加趋势,生产性土地面积不足以补偿土地碳足迹;(2)土地利用碳排放和碳足迹的多少顺序在空间上呈现出:"一圈","渝东北","渝东南"的空间分布状态.     

基于生命周期的家电产品碳排放计算方法研究

文章在收集某款家电产品的主流生产水平数据的基础上,采用GaBi数据库中的温室气体排放相关数据,依据ISO 14040制定的生命周期评价理论框架,采用PAS 2050准则开展家电产品碳排放评估的研究,制订了碳排放评估模型;以豆浆机产品为例,讨论不同生命周期过程对碳排放产生的影响.结果表明,豆浆机在使用阶段的温室气体的排放量最大.     

一种改进的基于密度和样本数量的K-means算法

对原始K-means算法进行了研究,通过改进,算法能够自动找出合适的k值,并且最大限度的找出孤立点。首先,寻找样本容量的最大可能初始聚类数n。然后做样本圆,将样本圆等分为n份,依据样本点的位置将样本归属到相应的份里,对初始的n个类进行聚类。最后通过应用DBSCAN算法的小类合并策略将需要合并的小类进行了合并。为了测试改进算法的聚类性能,将改进后的算法源码放在新西兰怀卡托大学所开发的开源平台"weka"上,在多个数据集上与原始K-means算法进行了对比实验,验证了改进算法在聚类质量和聚类稳定性上都远优于原始K-means算法。