【摘要】：碳稅是針對二氧化碳排放量過多而征收的稅,其目的是保護(hù)環(huán)境、減緩全球氣候變暖。發(fā)達(dá)國家開征碳稅的時間長、而且效果比較明顯。隨著中國由粗放型經(jīng)濟(jì)增長轉(zhuǎn)型集約型、效益型經(jīng)濟(jì)增長,特別是發(fā)展低碳經(jīng)濟(jì)需要,開征碳稅已經(jīng)成為中國“十三五”發(fā)展規(guī)劃的重要目標(biāo)。但是,由于信息不對稱、信息不完全,即信息偏在導(dǎo)致了中國碳稅征收效應(yīng)的爭議,制度建設(shè)嚴(yán)重滯后于發(fā)達(dá)國家。目前國內(nèi)針對中國碳稅的虛擬仿真預(yù)測研究較少,因此,有必要應(yīng)用BP神經(jīng)網(wǎng)絡(luò)計(jì)算出中國碳稅的權(quán)值和閾值,并對典型地區(qū)的碳稅征收效應(yīng)進(jìn)行研究。本文的主要工作如下:其一,以碳稅征收理論、BP神經(jīng)網(wǎng)絡(luò)理論及方法奠定研究基礎(chǔ);其二,分析應(yīng)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測中國碳稅的原理、步驟、可行性,設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練函數(shù),搭建預(yù)測模型;其三,中國碳稅預(yù)測模型的實(shí)現(xiàn),選取碳排放強(qiáng)度(碳排放/地區(qū)GDP)和城鎮(zhèn)居民對碳稅的承受程度(碳稅/城鎮(zhèn)居民可支配收入)對碳稅區(qū)域劃分、分析碳稅數(shù)據(jù)源特征;其四,基于BP神經(jīng)網(wǎng)絡(luò)的碳稅征收效應(yīng)及碳稅預(yù)測,展示虛擬仿真結(jié)果。虛擬仿真出皖、京、滬、桂、浙、豫、湘七省市的碳稅征收額,進(jìn)一步模擬預(yù)測了2015-2020年東部發(fā)達(dá)地區(qū)——京、中部次發(fā)達(dá)地區(qū)——豫和西部大開發(fā)地區(qū)——桂三個典型省市的碳稅稅收情況。通過采用BP神經(jīng)網(wǎng)絡(luò)研究了地區(qū)GDP變化、城鎮(zhèn)居民人均可支配收入變化與碳稅額之間的關(guān)系,構(gòu)建了虛擬仿真預(yù)測模型。研究表明,碳稅的征收對地區(qū)GDP變化、地區(qū)城鎮(zhèn)居民人均可支配收入變化沒有直接影響作用。因此,碳稅制度的建設(shè)應(yīng)著眼于加強(qiáng)信息化建設(shè),減少信息溝通障礙,提高碳稅管理、監(jiān)控和服務(wù)水平。
【圖文】：

2.3 BP 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)與方法2.3.1 BP 神經(jīng)網(wǎng)絡(luò)的基本思想誤差逆?zhèn)鞑?back propagation, BP)算法是一種由某一權(quán)值變化而產(chǎn)生的化的計(jì)算方法。將網(wǎng)絡(luò)信號從輸出層反向重新導(dǎo)入隱含層，由誤差所導(dǎo)致的故而稱為“反向傳播”。BP 算法的基本流程是：將樣本信號放入輸入層，，使和輸出層中不斷向前傳播，當(dāng)獲得的輸出值與期望值不符時，將兩者的誤差節(jié)點(diǎn)，由此形成網(wǎng)絡(luò)的誤差信號。誤差信號返回原路徑進(jìn)行逆向傳播。通過值和閾值不斷訓(xùn)練修正，從而不斷接近達(dá)到所期望的輸出值[44]。2.3.2 BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程BP 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程主要是由兩個步驟組成，一個是正向傳播，其主過遞推計(jì)算來實(shí)現(xiàn)非線性函數(shù)的映射；第二步是反向傳播，這是為了計(jì)算出出的權(quán)值，如圖 2.1。誤差反向傳播(學(xué)習(xí)算法)

BP 神經(jīng)網(wǎng)絡(luò)算法流程網(wǎng)絡(luò)算法是Delta的學(xué)習(xí)規(guī)則的推廣，本質(zhì)上是一種監(jiān)督學(xué)習(xí)法。輸入學(xué)習(xí)，利用最速下降法，將激勵傳播和權(quán)重更新這兩個環(huán)節(jié)輸出層誤差小于之前所設(shè)定的誤差范圍，則表明網(wǎng)絡(luò)輸出的向量這意味著網(wǎng)絡(luò)訓(xùn)練完成。保存網(wǎng)絡(luò)的權(quán)值和誤差。其實(shí)質(zhì)就是把轉(zhuǎn)變?yōu)橐粋�非線性優(yōu)化問題，其流程如圖2.2所示：1( 1) ( 1) ( ) ( )1 ) (1 )qnq q q qpk ki pi pik w x x ( ) ( ) ( )( ) (1 )Q Q Qpi pi pi pid x x x-11, , 1 ; 1, 2, , ; =1, 2, ,q qQ i n j n
【學(xué)位授予單位】：廣西民族大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F812.42;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 文嵐;何承曄;;論信息偏在條件下的碳稅信息化管理[J];經(jīng)濟(jì)研究導(dǎo)刊;2017年09期

2 劉家松;張志紅;;日本碳稅發(fā)展歷程及啟示[J];稅務(wù)研究;2016年08期

3 倪娟;;碳稅與碳排放權(quán)交易機(jī)制研析[J];稅務(wù)研究;2016年04期

4 焦李成;楊淑媛;劉芳;王士剛;馮志璽;;神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J];計(jì)算機(jī)學(xué)報(bào);2016年08期

5 羅來軍;朱善利;傅帥雄;臧元峰;;低碳發(fā)展對中國能源價格改革的沖擊[J];教學(xué)與研究;2015年05期

6 于維洋;趙會寧;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的河北省碳排放量增長影響因素分析[J];安全與環(huán)境學(xué)報(bào);2013年06期

7 尹光志;李銘輝;李文璞;曹偈;李星;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的煤體瓦斯?jié)B透率預(yù)測模型[J];煤炭學(xué)報(bào);2013年07期

8 賈鵬;劉瑞菊;孫瑞萍;楊忠振;;基于BP神經(jīng)網(wǎng)絡(luò)的郵輪旅游需求預(yù)測[J];科研管理;2013年06期

9 聶華林;周建鵬;張華;;基于減排效應(yīng)的能源類企業(yè)碳稅政策的優(yōu)化選擇研究[J];資源科學(xué);2011年10期

10 樊振宇;;BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J];軟件導(dǎo)刊;2011年07期

相關(guān)重要報(bào)紙文章 前1條

1 吳莉;;石油對外依存度首破60%[N];中國能源報(bào);2016年

相關(guān)碩士學(xué)位論文 前9條

1 張方;基于BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測研究[D];長安大學(xué);2016年

2 翁鈺棟;中國碳稅設(shè)計(jì)研究[D];吉林大學(xué);2016年

3 謝浩;基于BP神經(jīng)網(wǎng)絡(luò)及其優(yōu)化算法的汽車車速預(yù)測[D];重慶大學(xué);2014年

4 于愛霞;基于BP神經(jīng)網(wǎng)絡(luò)的供電企業(yè)人力資源戰(zhàn)略決策模型研究[D];哈爾濱理工大學(xué);2014年

5 肖成忠;大跨徑預(yù)應(yīng)力混凝土連續(xù)梁橋施工控制研究[D];沈陽建筑大學(xué);2013年

6 農(nóng)艷艷;碳稅對我國區(qū)域經(jīng)濟(jì)發(fā)展的影響研究[D];浙江大學(xué);2012年

7 陳君;論我國碳稅的稅制設(shè)計(jì)[D];哈爾濱商業(yè)大學(xué);2012年

8 王迪;基于神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測研究[D];長春工業(yè)大學(xué);2010年

9 黎職富;基于高頻PWM的電液比例控制系統(tǒng)的研究與設(shè)計(jì)[D];湖南大學(xué);2008年

本文編號：2530411