中国碳排放灰色预测

中国碳排放问题成为世界关注的焦点问题.预测中国未来碳排放有助于实现2020年的碳减排目标.选取2002-2009年中国碳排放数据,通过灰色GM(1,1)模型,对中国碳排放进行了短期预测.模型检验结果表明:预测精度为二级,关联度、均方差比值和小误差概率均为一级,预测结果与实际值出入较小,到2015年中国碳排放量将超过三十二亿吨碳,"十二五"期间二氧化碳减排形势严峻.针对研究结果,提出发展低碳经济,提高能源效率和发展非化石能源来降低碳排放的策略.     

中国碳排放与能源消费关系实证研究——基于VEC模型

中国碳减排问题成为世界关注的焦点问题.研究碳排放与能源消费关系有助于实现2020年碳减排目标.选取1953-2008年中国碳排放和能源消费数据,运用协整理论、向量误差修正模型(VEC)和Granger因果关系分析,对中国碳排放量与能源消费之间的相互关系进行实证研究.研究结果表明:碳排放与能源消费之间存在协整关系,能源消费增加1%,碳排放将增加0.9646%,即碳排放对能源消费的长期弹性为0.9646.从短期误差修正模型来看,碳排放与能源消费之间具有动态调整机制.非均衡误差项的存在,能够保证两者之间长期均衡关系的存在.Granger因果关系研究表明:碳排放与能源消费之间互为双向因果关系.通过脉冲函数和方差分解分析了模型的动态特征.根据研究结果,提出降低能源消费和减少碳排放对策.     

江苏省能源消费结构对碳排放影响的效应与趋势——基于LMDI和Logistics模型的实证研究

近年来,江苏省能源消费持续增长且以煤为主的能源结构尚未改变,由此引起碳排放量也在逐年增加.主要研究碳排放系数、碳排放的影响因素以及不同能源结构下的碳排放预测.首先对碳排放系数进行计算,然后基于LMDI模型对影响江苏省碳排放的因素进行分析,最后运用1ogistics模型对不同能源结构下的碳排放进行预测.结果发现能源消费过度依赖煤炭是导致碳排放增加的主要因素,天然气每替代煤炭2%或新能源每替代煤炭1%,2030年江苏省碳排放峰值将下降1%.     

GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

中国碳排放变化的因素分解与减排路径研究

能源及其引致的碳排放等相关问题已经成为影响人类社会发展全局和全球政治经济格局的重大战略问题.中国是世界上最大的发展中国家,面临着更严峻的能源挑战.节约能源、大幅度改善能源效率是我国应对能源和气侯变化挑战的一条极其重要且有效途径.本文综合考量了能源结构、能源强度、能源效率及经济增长等4个因素对碳排放的影响,基于因素分解模型,应用LMDI分解方法对中国一次能源利用的CO2排放及碳排放强度变化进行了研究,研究发现二氧化碳排放增加主要是由于经济增长、人口规模扩大引起的.在此基础上提出了碳减排的政策建议.     

基于Adaboost-SVR模型的我国碳排放强度分析与预测

首先对我国1960-2017年的碳排放趋势分5个阶段分析,发现虽然在不同时期存在波动,但长期来看,我国碳排放强度呈逐步下降趋势.然后对差分平稳后的序列数据建立Adaboost-SVR预测模型,采用RMSE、MAPE、MAE、MSE四个评价指标比较Adaboost-SVR模型与Adaboost-DT、SVR、BP神经网络对碳排放强度的预测精度.结果表明,组合模型明显优于其他3种模型,对于碳排放强度预测具有很高的可靠性.另外,通过使用Adaboost-SVR模型进行后续年份预测,发现我国未来碳排放强度总体将继续缓慢下降.最后,基于二氧化碳排放量的LMID分解结果,提出调整能源产业结构, 促进可再生能源利用等节能减排建议.     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

中国省际碳排放驱动因子及趋势分析:以辽宁省为例

采用1997-2012年辽宁省碳排放时间序列数据,参照STIRPAT模型,通过因子分析和最小二乘法回归拟合得到碳排放量和5类主要影响因子的拟合方程.研究结果表明:人口、人均GDP、第二产业产值、单位GDP能耗和全社会固定资产投资每增加或降低1%将带来碳排放量增加或降低比率分别为:0.3294%、0.1544%、0.1424%、0.2675%和0.1375%.通过灰色预测模型GM(1,1)进行预测分析,预测结果为:2020年和2030年辽宁省的碳排放总量将分别达到38705.368万t和69603.215万t,碳排放强度将分别降至0.576t/万元和0.2878t/万元.     

中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术

在对我国物流业碳排放特征进行分析的基础上,运用LMDI分解技术,建立中国物流业人均碳排放的因素分解模型,定量分析了1991-2010年能源结构、能源效率、运输方式、物流发展、经济增长以及人口等6种因素对物流业人均碳排放的影响.分析表明:经济增长是拉动物流业碳排放增长最主要的动力,在研究期间呈指数增长的趋势.运输方式对碳排放增长也表现出明显的促进作用,能源结构和能源效率虽然表现出拉动作用,但效果微弱.而物流发展因素则对物流业人均碳排放量表现出明显的抑制作用.因此,应大力推进物流业科技水平的提高,进一步发挥物流发展因素对碳排放的抑制作用,同时,优化物流运输体系,形成以铁路为主体,水运和管道为支撑,公路和航空运输为辅的低碳化的综合运输体系.     

基于LMDI的中国碳排放影响因素分解研究

在对中国2000-2012年不同产业部门、不同能源消费类型的碳排放量进行估算的基础上,利用Kaya恒等式改进模型结合LMDI分解法对中国碳排放量的影响因素进行分解分析.结果显示:经济产出水平、能源结构和人口规模对碳排放的影响是正向的,能源强度和产业结构对碳排放量的影响是负向的.最后提出节能减排的对策建议.     

基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.     

Testing coefficients of AR and bilinear time series models by a graphical approach

AR and bilinear time series models are expressed as time series chain graphical models, based on which, it is shown that the coefficients of AR and bilinear models are the conditional correlation coefficients conditioned on the other components of the time series. Then a graphically based procedure is proposed to test the significance of the coefficients of AR and bilinear time series. Simulations show that our procedure performs well both in sizes and powers. This work was supported by the Hong Kong Polytechnic University Research Council, the National Natural Science Foundation of China (Grant No. 10671044) and the Science and Technology Bureau of Guangzhou Municipal Government of China (Grant No. LSBH-017)     

基于灰色微分方程的传染病预测

本文归纳总结了传染病的几类预测方法,并通过一个例子,将灰色模型和微分方程模型结合,用于传染病的预测.     

2011年研究生建模竞赛B题的评阅综述

本题从一项科研项目中提炼、并结合目前成为关注热点的隐身技术而设计,侧重于数学建模.结合题中的2个问题,可以抽象出3个平时比较少见的数学模型:几何模型,反射投影模型和积分方程模型.在竞赛中,前2个模型都有部分同学正确地得出,可惜的是,问题2所要求的积分方程模型,在近500份答卷,却无人得出,甚为遗憾.问题2属于一个需要同时确定数个彼此关联影响的函数的问题,处理这样问题的基本方法是建立以这些函数为变量的方程组,在这里由于确定相互影响的定量关系必须用积分,所以最终得出的是一个积分方程组.微分积分是大学数学中最基本最重要的概念和方法,由此不难看出,我们的基础教育中的弊病与问题,这需要引起有识之士们的反思.     

Testing coeffcients of AR and bilinear time series models by a graphical approach

AR and bilinear time series models are expressed as time series chain graphical models, based on which, it is shown that the coefficients of AR and bilinear models are the conditional correlation coefficients conditioned on the other components of the time series. Then a graphically based procedure is proposed to test the significance of the coeffcients of AR and bilinear time series. Simulations show that our procedure performs well both in sizes and powers.     

PM2.5相关因素及分布演变的研究

以武汉市和西安市的PM2.5检测点数据及气象数据作为基础,建立了相关性分析模型,灰色关联度模型,混合回归模型,高斯烟羽模型,分期治理最优化模型等模型,通过定量与定性分析的方法,从PM2.5的相关因素、分布与演变、控制管理三个方面,对两个市的PM2.5进行了深入的研究与探讨.     

非线性非均衡蛛网模型的动态分析

描述单商品市场价格波动的蛛网模型是动态经济分析中的经典模型 ,证明了由模型 ( )所生成的价格序列在一定的条件下不会出现 3以上周期运动和混沌现象 ,并对其进行稳定性分析 ,得到模型关于均衡价格稳定的六个判别定理 .     

基于参数模型的EVaR风险度量计算方法及实证研究

针对EVaR(Expectile-based Value at Risk)风险度量提出了基于GARCH类和SV波动率模型的EVaR风险度量计算方法,即EVaR计算的参数模型方法.并基于模拟学生t分布时间序列数据,给出EVaR样本外预测的失败率检验方法:Kupiec失败率检验和动态分位数(DQ)检验法.与采用CARE(Conditional Autoregressive Expectile)模型的EVaR计算方法进行了对比研究,结果表明基于GARCH类模型和SV模型相对于基于CARE模型有更优的EVaR预测效果.选取2004年1月5日到2009年12月30日的国内外五个股票市场指数数据,针对日对数收益率进行了EVaR风险度量的实证研究,得出在金融危机期间,基于参数模型的EVaR预测要比基于CARE模型的EVaR预测更接近市场实际风险.     

基于HP-ENN-MC模型降雨量预测

综合HP滤波、Elman神经网络、马尔科夫链的优点建立HP-ENN-MC模型对某地区10年内降雨量进行预测.以某地区1990-2015年植物生育期(6-10月)的降雨量数据作为实验训练样本,以2010-2015年(6-10月)的降雨量数据为实验的测试样本,证明HP-ENN-MC模型的实用性.由最后实验结果得到,预测平均相对误差为3.83%.所建模型能够对降雨量准确预测,与Elman、ENN-MC模型相比,HP-ENN-MC模型对降雨量预测更有效.     

基于改进Bass模型的多元技术创新扩散研究

鉴于目前并没有一个统一的模型来包含多元技术创新之间的互补性、替代性和竞争性关系,从放宽Bass模型的创新扩散独立性假设条件入手,在原有的创新需求、模仿需求基础上,引入渗透需求,构建包含多元技术创新之间的互补性、替代性和竞争性关系的统一模型--MTID模型(Multi-Technolo-gy Innovation Dif...