组合灰色预测模型应用于山东省碳排放预测

根据山东省2000—2012年工业、建筑业和交通运输业能源消费数据测算得到碳排放量,基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数。选用2000—2009年三大碳排放行业的实际值作为原始数据,利用各预测模型预测2010—2012年碳排放量。结果表明:组合灰色预测模型比单一预测模型具有更高的预测精度。利用组合模型预测山东省2013—2017年各行业碳排放量,为相关部门制定节能减排政策提供理论及方法借鉴。     

基于实用弱化缓冲算子的质量成本灰色 DGM 预测模型

目的运用施以弱化缓冲算子的灰色DGM模型进行质量成本的预测。方法利用积分函数去除区间型数据的不确定性,将其转化为信息无偏的实数。进而分析质量成本和相关指标间的关联程度,并引入二阶弱化缓冲算子对受干扰的成本时间序列进行处理,最后建立质量成本估算预测的灰色DGM模型。结果结合案例与常用的指数函数作比较,结果显示,灰色DGM模型对质量成本的模拟精度更高,模拟误差可由指数模型的1.689%下降至0.118%。结论此模型能有效改善预测精度,具有一定的科学性和合理性。     

保定市能源消费碳排放演变机理研究

文章依据IPCC指南,测算了2001-2010年保定市工业和有关行业一次能源消费的碳排放量,结果显示碳排放总量由2001年的694.485 0万t增加到2010年的2 843.659 9万t,增长了4.09倍。其中煤炭类能源对历年碳排放总量的贡献率保持在90%以上,而且除2001年外,85%以上的煤炭碳排放集中于工业行业。借助广义灰色关联模型,分阶段计算了能源消费、GDP、固定资产投资、工业增加值、人口数量的规模和结构及能源强度与碳排放的综合关联度。通过分阶段结果比较,总结出保定市能源消费碳排放演变机理如下:规模效应对碳排放的影响不仅最大而且日益增强;能源强度表现出正向和负向两种影响趋势;结构效应较为复杂,最明显的变化是工业结构超过城市化率成为影响碳排放的最重要的结构因素。     

中国能源生产与消费趋势预测和碳排放研究

为合理、科学地对能源结构进行调整和优化,提出了能源结构的双组份模型。由统计检验估计法,对模型中的能源生产与消费的相关系数进行了预测估计。依据中国统计年鉴2008年数据,对我国2014年能源生产与能源消费的预测结果分别为24.26×108t标准煤及27.15×108t标准煤。利用预测的能源消费总量、结构与碳排放量之间的关系式——即单位能耗碳排放系数的表达式,预测中国2012年的碳排放量为21.87×108t标准煤,且有上升趋势,并提出了相关的能源对策。     

基于灰色理论GM（1，1）模型的陕西省工业废水排放量预测

该文根据2003～2009年陕西省工业废水的排放情况进行分析,采用灰色系统理论,引入二阶弱化算子D2,建立陕西省工业废水排放量GM（1,1）预测模型。采用残差大小和均方差比值对缓冲序列预测数据进行精度分析,误差较小,精度较高,模型可靠,可满足预测要求。运用预测模型对陕西省“十二五”期间工业废水排放量进行预测,得到2011-2015年工业废水排放量。对预测结果进行分析,计算出废水达标排放量年均增长量为395．42万吨;与工业总产值相联系,知工业废水排放量随着工业总产值的增加相应有所增加。     

河北省碳排放及其影响因素变化趋势研究

在国家"十三五"规划政策的指引下,减少碳排放是当今社会的大势所趋。以产业结构调整优化为目的,就河北省碳排放及其影响因素变化趋势进行研究,旨在生态文明建设中促进京津冀产业协同发展。在研究碳排放时,运用STIRPAT模型,根据河北省实际情况,将影响碳排放的因素分为城市化水平、人口数量、富裕度和能源强度,并选取了河北省2003-2014年碳排放及其相关数据作为研究样本,经过对能源消耗量的转换计算得到比较精确的碳排放数据。在此基础上分别建立碳排放灰色GM(1,1)预测模型和碳排放影响因素灰色GM(1,1)预测模型来预测2015-2020年对应的数据变化。并分析各个影响因素的变化趋势及其对碳排放的影响。经过分析发现,富裕度对碳排放影响最大,所以政府等相关部门应加大对该方面的监督与管理,从而从整体上达到低碳的目标。     

碳排放与能源消费和经济增长的灰色关联分析

中国碳排放问题成为世界关注的焦点问题。研究碳排放与经济增长、能源消费关系有助于实现2020年碳减排目标。选取2001～2009年碳排放与能源消费、经济增长数据,运用灰色关联分析模型,分别计算碳排放与能源消费、经济增长的灰色关联度。研究结果表明,无论是从折线的相似程度还是相对于始点变化速率的接近程度来看,碳排放曲线与能源消费曲线、经济增长曲线十分相似,说明碳排放与能源消费、经济增长之间存在紧密联系。     

中国不同时期经济发展与碳排放的关联分析

经济的快速发展是碳排放的主要驱动因素.为解释中国经济增长与碳排放量的关系,文章引用碳排放量分解模型,对中国1978-2009年碳排放量进行较为精确的测算,并分析碳排放的趋势及其特点.在此基础上,采用灰色相对关联度方法,分阶段测算不同历史时期下经济发展 与碳排放量的关联度.结果表明:从碳排放的增长速度上看,1996-20...     

基于IPAT扩展模型分析人口因素对碳排放的影响

以5个典型国家(中国、日本、印度、德国和美国)为研究对象,利用IPAT模型比较分析了人口总量、能源强度和人均财富对碳排放的影响程度.结果表明:中国和印度的人口总量是影响其碳排放变化的主要因素;而美国和日本财富的积累刺激碳排放增加的作用明显.基于1978─2007年中国人口和能源相关数据,以STIRPAT模型为框架,分别构建了总人口模型及家庭户模型,用于分析我国人口数量、人口结构、能源强度及消费变化对碳排放产生的影响.经模型验证发现,家庭户模型的解释力度总体优于总人口模型.碳排放量的各解释因素按其影响程度的大小依次为平均家庭户规模、人均居民消费额、人口结构、能源强度和家庭户数.针对适应低碳发展的人口政策提出了相关建议.      

中国纺织服装行业能源消费碳排放因素分析

纺织服装行业是中国的重要民生产业。中国纺织服装行业在快速发展的过程中,消耗了大量的能源,并产生了较多的碳排放,分析探讨该行业能源消费碳排放的影响因素对实现行业的节能减碳和低碳发展具有重要意义。文章基于对数平均Divisia因素分解法(LMDI)建立了中国纺织服装行业能源消费碳排放因素分解模型,并对影响行业碳排放量的产业规模、产业结构、能源结构、能源强度等因素进行了实证分析。结果表明,在1991-2009年间,产业规模的扩大是纺织服装全行业、纺织业及纺织服装、鞋、帽制造业碳排放量增加的最主要拉动因素,能源强度因素的提高对于减少碳排放量具有重要意义。产业结构优化对于减少行业碳排放量的效果有限,能源结构调整尚未达到减少行业碳排放量的效果。