【摘 要】
:
能源作为重要的投入要素对一国经济、环境具有广泛影响,经济增长与能源利用效率之间密切相关,当下全球环境不断恶化导致各国经济发展面临碳约束与能源资源约束。基于此,本文选取了全国29个省、市、自治区2009-2017年的数据,对我国能源经济效率与能源环境效率指标分别进行定义和分解,之后对能源利用效率的影响因素进行分析。首先,本文定义了能源经济效率与能源环境效率,通过将劳动要素、资本要素、能源要素投入生产
论文部分内容阅读
能源作为重要的投入要素对一国经济、环境具有广泛影响,经济增长与能源利用效率之间密切相关,当下全球环境不断恶化导致各国经济发展面临碳约束与能源资源约束。基于此,本文选取了全国29个省、市、自治区2009-2017年的数据,对我国能源经济效率与能源环境效率指标分别进行定义和分解,之后对能源利用效率的影响因素进行分析。首先,本文定义了能源经济效率与能源环境效率,通过将劳动要素、资本要素、能源要素投入生产,所得的期望产出和非期望产出分别以国内生产总值与二氧化碳排放量衡量,构建起SBM模型与Undesirable-SBM模型测算各省能源经济效率与能源环境效率,并根据规模报酬假设是否可变进行分解。结果说明:(1)考虑非期望产出的能源环境效率显著低于能源经济效率,忽略碳排放导致我国能源利用效率被高估;(2)我国总体能源利用效率较乐观,管理水平、制度环境等技术要素对提升能源利用效率的作用要大于规模经济效应;(3)能源环境效率的地区差异明显,东部地区最高,其次为中部,西部最末。之后,对能源环境效率的影响因素进行分析,主要分析了能源环境效率及其分解与经济增长的关系,并增加产业结构、能源消费结构为控制变量在传统EKC模型的基础上进行改进。基于改进后的EKC模型构建省际面板数据进行回归,结果显示:(1)国家层面上能源环境效率与经济增长呈现N型曲线关系正处于第二个拐点后上升阶段,能源环境技术效率呈现倒U型且正处在上升阶段,整体形势较为乐观;(2)三大地区的能源环境效率随经济增长整体呈现上升趋势,东部地区的能源环境效率随经济增长呈现N型关系,中部和西部地区能源环境效率将随经济增长不断提高,存在较大的提升空间;(3)能源环境技术效率与经济增长的关系存在较大差异,东部地区呈现N型,中部地区为U型,西部地区不显著。最后根据研究结果从经济体制、管理水平、产业结构优化与能源消费结构调整等方面对我国各地区能源利用效率提高提出建议。
其他文献
现有常见的目标检测算法仅针对一般场景具有较好的检测性能,然而不适用于一些特定的复杂场景,例如施工图图例检测。施工图场景下的目标检测会存在如下问题:1)图例检测是一个典型的单样本学习(one-shot learning)问题,样本极少;2)需要具备高准确率和一定的实时性;3)不同施工图的图例种类不同,无法统一;4)需要自动化地完成图例提取、样本制作和模型训练;这些问题给图例检测带来了极大的挑战,如何
近年来,随着油气勘探开发的深入,低渗致密等复杂油气藏、非常规油气藏油气资源越来越多,逐步成为勘探与开发的重点,也是技术攻关的难点。甜点是指储层物性相对较好、含油性较好、具有一定厚度和范围的油气聚集区。油气资源勘探的任务就是寻找这样的油气储层甜点,并准确刻画甜点储层的分布范围。复杂油气藏的甜点受控因素多而复杂,表现为相关数据信息的种类繁杂、数据量庞大,传统的地质学方法很难应对。随着信息技术的发展,油
在大数据时代,互联网数据存在着数据量大,特征维度高的特点,然而在检索领域,却存在检索速度快,存储空间低的需求。哈希方法作为解决这一问题的主要方法引起了广泛关注。哈希方法通过哈希函数将高维特征映射为低维的二值哈希编码,以此提高检索速度,降低存储空间。近些年,深度学习表现出强大的特征学习能力,结合深度学习的哈希学习方法能够通过神经网络同时进行特征和哈希编码的学习,性能明显优于传统哈希方法。本文重点研究
自然场景下任意形状文本检测和识别技术是当前计算机视觉领域的研究热点之一,在图像检索,自动翻译,自动驾驶等领域具有积极作用。由于自然场景图像背景复杂,易受光照和拍摄角度的影响,导致检测和识别困难,同时由于图像中文本是任意形状的,包括水平,倾斜及弯曲文本,进一步加大了文本检测和识别的难度。目前,这项富有挑战性的任务仍在研究探索阶段。针对任意形状文本检测和识别难的问题,本文提出了一种基于深度学习的任意形
Polar码是唯一一种在理论上被证明达到香农极限的信道编码技术,已被选为5G控制信道e MBB场景编码方案。Polar码的译码算法有多种,其中在连续消除译码算法下具有较低的译码复杂度。但是,该算法的串行译码特性导致译码时延较高且码长长度受限时纠错性能不理想。针对上述问题,本论文在调研连续消除译码算法及其改进算法的基础上对Polar码译码技术进行了研究,分别提出了基于结点错误概率的简化连续消除译码算
随着激光雷达、深度相机等三维传感器在各类三维场景上的广泛应用,基于点云数据的三维场景感知学习越来越受到人们的关注,针对传感器直接输出的三维点云数据的研究也逐渐从底层次的几何特征提取向高层次语义理解过渡。深度学习特别是深度卷积神经网络在特征学习及语义信息提取上有巨大优势,如何设计高效的网络模型并利用点云数据驱动模型进行三维场景感知学习成为最近的研究热点。三维点云的深度学习方法研究主要受以下几个方面的
随着经济全球化的推进,世界各个国家及地区的贸易往来日益密切。为了进一步释放中国的经济活力,中国在2013年提出“一带一路”倡议,国内各省市积极参与到“一带一路”建设中。山东省作为“一带一路”规划的海上战略支点,积极响应倡议,在2018年迅速成长为贸易出口的第二大省。为了进一步了解“一带一路”倡议下山东省对沿线国家出口贸易效率、潜力情况,本文进行了系统的定性、定量分析。本文使用随机前沿引力模型分析山
借助社交网络平台,重大舆情事件相关信息在互联网上快速传播,其中的异常信息(如消极、激进言论)会使大范围网民出现消极、恐惧、激进等不良情绪,导致舆情态势不能健康发展,对国家安全和社会稳定带来一定程度的冲击。通过对网络舆情数据进行分析可以快速掌握全网舆情态势,发现其中的异常信息、重大舆情事件的演化情况,并对网络舆情态势的发展趋势进行预测,这对于维护网络与社会环境的稳定均具有重要意义。在此背景下,本文为
准确判别注采连通情况对提高水驱油藏原油的采收率具有重要意义,在油田生产过程中,可以为注入水流动方向和剩余油分布情况的描述提供依据,对注采方案的优化、开发部署方案的调整也具有重要的指导意义。注采连通情况的判别分为静态判别和动态判别。静态判别是对油藏开发前初始连通情况的描述,是定性判别。而动态判别是对开发现阶段连通情况的描述,是定量判别。因此,本课题从静、动态角度对注采连通情况的判别进行综合研究。针对
雾计算作为新兴的数据处理和管理平台,弥补云计算在低时延、低能耗和移动性支持等应用方面的不足,给物联网时代带来了革命性的变化。为了对雾计算技术的进一步研究,本文以云-雾环境为背景,首次提出了一种基于改进烟花算法的多目标任务调度策略,即根据任务需求的不同构建一个面向任务特性的多目标调度模型,进而提出一种改进的烟花算法对调度模型进行优化,提高云-雾计算系统的整体运行效率。本文的具体研究内容如下:由于不同