论文部分内容阅读
随着经济全球化进程的加快,贸易自由化程度不断提高,环境问题逐渐演变成一个全球性的问题。污染产业的跨国转移、能源的巨大消耗以及许多不可再生资源的逐渐枯竭,所有这些问题已越来越引起学术界的广泛关注。全球气候变化问题是人类迄今面临的最重大环境问题,也是21世纪人类面临的最复杂挑战之一。我国二氧化碳排放总量位居世界首位,是世界上第二位能源生产国和消费国,同时,我国也是一个全球的贸易大国,工业产品作为我国对外贸易的绝对主体,每年几百亿的贸易顺差都给我国带来了很大的环境成本。
本文从改进的BP神经网络的视角来研究分析和处理碳排放时间序列问题,揭示了碳排放系统中各类指标本身的结构和规律,给出了碳排放系统的动态特征,并将其应用在中国及中国长三角地区碳排放预测上,通过综合对能源结构因素、能源效率因素、经济发展因素、居民人均消费及人口城市化率等作为影响因素考虑,建立了中国及长三角地区碳排放预测的神经网络模型,并进行了MATLAB仿真。同时利用微分方程建立了一系列动力系统模型来预测中国人口、经济发展、煤炭消耗及碳排放量,本文结构如下:
第一章介绍了碳排放的国内外背景及目前的研究进展;第二章介绍了本文中所需要的BP神经网络的理论知识;第三章利用改进的BP神经网络构造了关于中国碳排放的预测模型,并对2050年的中国节能减排进行了三种情景分析的讨论,分别对应着节能减排政策低、中、高三种情景,同时对其碳排放量也进行了预测,模型模拟表明,利用改进的神经网络方法来预测2050年中国碳排放量,能使我们得到的结果更加准确和全面。第四章我们将上一章方法应用在中国长三角上,得到了其预测值与实际碳排放值非常接近,相对误差能控制在1%以内。第五章建立了将人口和GDP作为约束条件的关于煤炭消耗与碳排放量的微分方程组。
本文通过对碳排放的影响因素分析,得出了一系列的研究结论,表明利用该网络进行碳排放增长预测可以为宏观经济部门决策提供可靠的依据,针对本文的研究成果,笔者在最后一章提出了相关的对策建议。