本文關鍵詞：基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型及應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：全球變暖是一種人為現(xiàn)象,既危害自然生態(tài)系統(tǒng)的平衡,也威脅人類的生存與發(fā)展。政府間氣候變化專門委員會(IPCC)第4次評估報告指出,人類燃燒化石燃料所產(chǎn)生的二氧化碳是全球變暖的主要誘因。對全球變暖的擔憂促使世界碳排放預測研究成為學術界研究的熱點問題。世界碳排放預測模型是其研究的重要內(nèi)容,該類模型一般采用單一預測模型、融合預測模型對世界碳排放進行預測。兩類預測模型各有優(yōu)劣,本文在前人研究的基礎上,對融合預測模型進行深入研究,提出基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型。首先,本文對兩類世界碳排放預測模型進行梳理匯總,并比較說明兩類模型的優(yōu)缺點。結果表明單一預測模型操作簡便、結果客觀可信,但假設條件較多且預測精度不高;融合預測模型相對復雜,但方法靈活、應用廣泛、信息利用率高,預測精度相對較高。其次,針對世界碳排放預測指標的復雜性與多樣性,構建系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型,并闡述該模型在世界碳排放預測中的適用性。最后,本文從經(jīng)濟因素、社會因素、環(huán)境因素等四個角度出發(fā),選取人均GDP、總人口、森林面積、化石燃料能耗等10個指標,運用SPSS軟件進行系統(tǒng)聚類分析法全面提取影響世界碳排放預測的指標,從而構建不同的世界碳排放預測指標層,使世界碳排放預測值在很大程度上接近實際世界碳排放值。將設計好的指標層輸入MATLAB軟件中進行BP神經(jīng)網(wǎng)絡運算,得出相應預測結果,通過兩兩比較確定采用最優(yōu)指標層的預測模型,并預測2015年、2016年世界碳排放量分別為400.01(PPM)、402.98(PPM)。本研究詳細分析了世界碳排放預測指標,并通過實驗驗證了基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型比傳統(tǒng)單一BP神經(jīng)網(wǎng)絡預測模型具有更高的信息利用率,預測精度更高,具有更好地適用性。
【關鍵詞】：系統(tǒng)聚類 BP神經(jīng)網(wǎng)絡 世界碳排放預測 融合預測模型
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：X32;TP183
【目錄】：

• 摘要3-4
• ABSTRACT4-9
• 第1章 緒論9-23
• 1.1 概述9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-18
• 1.2.1 世界碳排放預測研究現(xiàn)狀10-13
• 1.2.2 系統(tǒng)聚類分析研究現(xiàn)狀13-15
• 1.2.3 BP神經(jīng)網(wǎng)絡預測模型研究現(xiàn)狀15-18
• 1.3 論文研究目的與意義18-19
• 1.3.1 論文的研究目的18
• 1.3.2 論文的研究意義18-19
• 1.4 論文研究的主要內(nèi)容及框架19-21
• 1.5 論文研究可能的創(chuàng)新之處21-23
• 第2章 兩類世界碳排放預測模型研究及比較23-35
• 2.1 世界碳排放預測單一模型23-29
• 2.1.1 灰色預測模型23-26
• 2.1.2 支持向量回歸機預測模型26-28
• 2.1.3 Logistic回歸預測模型28-29
• 2.1.4 BP神經(jīng)網(wǎng)絡預測模型29
• 2.2 世界碳排放預測融合模型29-33
• 2.2.1 基于灰色關聯(lián)的BP神經(jīng)網(wǎng)絡世界碳排放預測模型30-31
• 2.2.2 基于灰色支持向量機回歸世界碳排放預測模型31-32
• 2.2.3 基于STIRPAT的BP神經(jīng)網(wǎng)絡世界碳排放預測模型32
• 2.2.4 基于LEAP的世界碳排放情景分析模型32-33
• 2.3 兩類世界碳排放預測模型的優(yōu)缺點33-35
• 第3章 基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型35-53
• 3.1 世界碳排放預測指標分析35-38
• 3.1.1 經(jīng)濟指標36
• 3.1.2 社會指標36-37
• 3.1.3 環(huán)境指標37-38
• 3.1.4 能源指標38
• 3.2 系統(tǒng)聚類理論及其實現(xiàn)過程38-43
• 3.2.1 系統(tǒng)聚類相關理論38-39
• 3.2.2 系統(tǒng)聚類模型39-40
• 3.2.3 系統(tǒng)聚類分析在spss中的實現(xiàn)過程40-43
• 3.3 BP神經(jīng)網(wǎng)絡理論及實現(xiàn)過程43-46
• 3.3.1 BP神經(jīng)網(wǎng)絡理論43-44
• 3.3.2 BP神經(jīng)網(wǎng)絡算法44-45
• 3.3.3 BP神經(jīng)網(wǎng)絡在MATLAB的實現(xiàn)45-46
• 3.4 基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型46-52
• 3.4.1 問題描述46
• 3.4.2 基礎數(shù)據(jù)預處理方法46-47
• 3.4.3 基于系統(tǒng)聚類的世界碳排放預測指標體系構建47-49
• 3.4.4 基于BP神經(jīng)網(wǎng)絡構建世界碳排放預測模型49-51
• 3.4.5 預測數(shù)據(jù)反歸一化處理51-52
• 3.5 本章小結52-53
• 第4章 世界碳排放預測模型的應用53-59
• 4.1 實例簡介53-54
• 4.2 系統(tǒng)聚類分析世界碳排放預測指標54-56
• 4.3 BP神經(jīng)網(wǎng)絡預測世界碳排放量56-59
• 第5章 結論與展望59-61
• 5.1 主要研究成果59
• 5.2 展望59-61
• 致謝61-62
• 參考文獻62-66
• 附錄66-68
• 攻讀學位期間的研究成果68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 邱兆寶;成紗質量預測模型研討[J];紡織學報;1988年09期

2 劉沐宇,鄭澤岱;灰色預測模型及在巷道收斂位移中的應用[J];非金屬礦;1992年05期

3 黃伏生;趙永勝;;一種含水預測模型的補充說明[J];石油勘探與開發(fā);1992年02期

4 黃建,沈菁,李謙,甘云潤;大氣中硫氧化物預測模型的建立[J];干旱環(huán)境監(jiān)測;1993年04期

5 徐玉卿，魏運財;人才需求的預測模型[J];吉林化工學院學報;1996年04期

6 趙秀菊;水污染的灰色預測模型及其應用[J];昌濰師專學報;2000年05期

7 王香菊,顧濤;專門人才預測模型的應用研究[J];煤炭經(jīng)濟研究;2003年06期

8 趙永勝;黃秀禎;;遞減曲線的多功能預測模型[J];石油勘探與開發(fā);1985年05期

9 高建華;灰色災變預測模型的改進及實例分析[J];自然災害學報;1995年02期

10 王新泉，陳東生，，長井茂明，日下部信幸;灰色預測模型在紡織工業(yè)上的應用[J];鄭州紡織工學院學報;1995年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經(jīng)模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經(jīng)濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產(chǎn)量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 劉慶;“預測模型”要緩行[N];網(wǎng)絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據(jù)還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經(jīng)濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經(jīng)日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據(jù)的垂直運營樣本[N];21世紀經(jīng)濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產(chǎn)量等級系統(tǒng)的研究[D];中國農(nóng)業(yè)科學院;2015年

3 吳利豐;分數(shù)階灰色預測模型及其應用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農(nóng)業(yè)大學;2016年

5 文江平;農(nóng)村地區(qū)成人2型糖尿病發(fā)生風險相關生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術后抗凝治療中的應用[D];天津醫(yī)科大學;2016年

7 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

8 孫忠林;煤礦安全生產(chǎn)預測模型的研究[D];山東科技大學;2009年

9 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

10 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經(jīng)濟貿(mào)易大學;2006年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉冰;基于神經(jīng)網(wǎng)絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 李霄;基于提升小波和最小二乘支持向量機的風電功率預測[D];上海交通大學;2015年

8 楊雪梅;基于TM影像的沱江中游土壤重金屬預測研究[D];四川農(nóng)業(yè)大學;2015年

9 朱帥軍;高鐵動車組故障預測與健康管理關鍵技術的研究[D];北京交通大學;2016年

10 田玉珂;基于TM數(shù)據(jù)的川東北低山區(qū)土壤肥力因子空間分布反演研究[D];四川農(nóng)業(yè)大學;2014年

  本文關鍵詞：基于系統(tǒng)聚類與BP神經(jīng)網(wǎng)絡的世界碳排放預測模型及應用研究，由筆耕文化傳播整理發(fā)布。

本文編號：296643