碳排放预测 数学建模

碳排放预测

摘要

碳排放问题在我国已引起广泛的关注,为制定有效的碳减排路径提供决策依据,现需对外来几年的碳排放进行预测,题中需要我们采用多个模型进行预测,其中GM(1,1)、BP神经网络是必须采用的方法,第三种预测模型我们采用了多元线性回归进行预测。

模型一,GM(1,1)预测碳排放模型。本文收集了从1985—2010年26年的碳排放总量的数据,刚开始的时候将26年的数据都拿进去进行预测,但相对误差太大,故考虑到减少一部分数据,降低相对误差,最后利用1995—2010年的数据进行预测,相对误差达到了9%。然后通过相关度检验及后验差检验都是非常好的。并且求解预测出将来5年的碳排放总量,结果在下表。

模型二,BP神经网络预测碳排放模型。在分析各项影响因素时,提取了下面七个因子:全国GDP、人口总数、城镇化、第三产业所占比率、能源强度能源消费总量、煤炭煤炭石油所占百分比、实际碳排放。并且利用模型一GM(1,1)预测各因子2011年—2015年的数据,最后利用BP神经网络进行预测,结果在下表。利用权重对各影响因素进行分析,发现城镇化及能源强度为主要影响因素。

模型三,多元线性回归预测碳排放模型。在分析各项影响因素时,提取了下面4个影响因子:人均GDP、人口总数、城镇化、能源强度能源消费总量。利用SPSS对各个因子进行拟合得到未来几年的预测数据,然后利用多元线性回归对未来几年的碳排放进行预测.并且能源强度与城镇化是主要影响因素。

应用各模型对碳排放总量进行预测

年份 2011 2012 2013 2014 2015 GM(1,1) 88.403 96.616 105.59 115.4 126.12 BP 88.037 88.974 87.741 87.974 85.807 回归 94.2195 104.8865 117.1429 131.2383 147.4613

现对上面的数据进行分析,只有BP神经网络在未来是有下降的趋势了,故有两种可能,结合实际现对碳排放的控制逐渐上升,故BP预测有一定的可取性,在2011年中GM(1,1)与BP相近,故在此预测2011年的碳排放为88亿吨左右。 关键词 碳排放预测 GM(1,1) BP神经网络 多元线性回归

你可能喜欢

  • 数学建模
  • 全国数学建模
  • 分析建模
  • 建模方法
  • 人物建模
  • 背景建模
  • 系统建模
  • 数据建模

碳排放预测 数学建模相关文档

最新文档

返回顶部