針對(duì)行業(yè)間碳排放轉(zhuǎn)移量預(yù)測(cè)問題,以中國1997-2017年間9年度28個(gè)行業(yè)間碳排轉(zhuǎn)移量數(shù)據(jù)為樣本,本文提出了基于小樣本隨機(jī)振蕩序列的灰色量子粒子群優(yōu)化通用向量機(jī)混合預(yù)測(cè)模型ROGM-QPSO-GVM。該模型首先使用ROGM（1,1）模型得到各行業(yè)對(duì)其他行業(yè)碳排放轉(zhuǎn)移量的預(yù)測(cè)序列和殘差序列,然后提出了一種新的量子粒子群優(yōu)化（QPSO）算法優(yōu)化GVM模型網(wǎng)絡(luò)參數(shù),構(gòu)建了QPSO-GVM模型對(duì)殘差序列進(jìn)行修正,再將兩部分的預(yù)測(cè)值相加得到行業(yè)間碳排放轉(zhuǎn)移量預(yù)測(cè)值,最后根據(jù)所有預(yù)測(cè)值構(gòu)建出行業(yè)間碳排放轉(zhuǎn)移網(wǎng)絡(luò)。結(jié)果表明ROGM-QPSO-GVM模型與其他模型相比具有更好的預(yù)測(cè)效果,并利用該模型對(duì)2020年、2025年、2030年中國行業(yè)間碳排放轉(zhuǎn)移網(wǎng)絡(luò)進(jìn)行了預(yù)測(cè)及變化趨勢(shì)分析。 

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引言
2 模型構(gòu)建
    2.1 ROGM(1,1)模型
    2.2 GVM模型
    2.3 基于量子粒子群優(yōu)化算法優(yōu)化的GVM模型
    2.4 預(yù)測(cè)模型建模方法
        (1)基于GVM的單一預(yù)測(cè)模型
        (2)ROGM-QPSO-GVM混合預(yù)測(cè)模型
    2.5 模型性能評(píng)價(jià)指標(biāo)
3 碳排放轉(zhuǎn)移量核算
    3.1 行業(yè)直接碳排放與完全碳排放的比較
        (1)生產(chǎn)者責(zé)任原則與行業(yè)直接碳排放
        (2)消費(fèi)者責(zé)任原則與行業(yè)完全碳排放
    3.2 行業(yè)間碳排放轉(zhuǎn)移網(wǎng)絡(luò)的構(gòu)建
4 實(shí)證分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)參數(shù)
    4.2 ROGM-QPSO-GVM模型與其他模型的預(yù)測(cè)結(jié)果比較
    4.3 ROGM-QPSO-GVM模型與其他模型的預(yù)測(cè)評(píng)價(jià)指標(biāo)比較
    4.4 行業(yè)間碳排放轉(zhuǎn)移網(wǎng)絡(luò)預(yù)測(cè)與變化趨勢(shì)分析
5 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于STIRPAT模型的江蘇省能源消費(fèi)碳排放影響因素分析及趨勢(shì)預(yù)測(cè)[J]. 黃蕊,王錚,丁冠群,龔洋冉,劉昌新.  地理研究. 2016(04)
[2]我國碳排放增長(zhǎng)率的運(yùn)行機(jī)理及預(yù)測(cè)[J]. 張國興,張振華,劉鵬,劉明星.  中國管理科學(xué). 2015(12)
[3]區(qū)域能源消費(fèi)碳排放峰值預(yù)測(cè)及可控性研究[J]. 王憲恩,王泳璇,段海燕.  中國人口.資源與環(huán)境. 2014(08)
[4]基于Logistic模型的中國各省碳排放預(yù)測(cè)[J]. 杜強(qiáng),陳喬,楊銳.  長(zhǎng)江流域資源與環(huán)境. 2013(02)
[5]基于離散二階差分算法的中國碳排放預(yù)測(cè)[J]. 趙息,齊建民,劉廣為.  干旱區(qū)資源與環(huán)境. 2013(01)
[6]中國的碳減排路徑與戰(zhàn)略選擇——基于八大行業(yè)部門碳排放量的指數(shù)分解分析[J]. 涂正革.  中國社會(huì)科學(xué). 2012(03)
[7]中國碳排放強(qiáng)度預(yù)測(cè)與煤炭能源比重檢驗(yàn)分析[J]. 劉廣為,趙濤,米國芳.  資源科學(xué). 2012(04)

博士論文
[1]中國行業(yè)碳排放的核算和分解[D]. 陳慶能.浙江大學(xué) 2018



本文編號(hào)：3686459