世界碳排放预测模型 数学建模.pdf

减少碳排放方案减少碳排放方案 摘要摘要 本文应用系统聚类分析 BP 神经网络 二分法等模型对碳减排问题进行分 析 针对问题一 考虑到影响碳排放的因素多且复杂 于是应用系统聚类分析 方法 把影响碳排放因素分为 4 个大类 10 个小类 通过世界银行数据资料利用 SPSS 软件分析得到三类影响因素 其中总人口 X4 耗电量 X5 人均GDP X1 化石燃料 X8 占主导地位 把这些因素作为 BP 神经网络的输入层 同时根据世界银行碳排放量的数据对当今世界碳排放形式作出分析 建立系统 聚类分析和 BP 神经网络融合模型 预测 2030 2050 年的碳排放量 针对问题二 使全球变暖不超过 2 摄氏度 这一目标是一个模糊的概念 无法和具体的措施联系起来 于是我们参照二分法解方程的思想建立气象评价方 程 f x 规定完成目标时 f x 0 反之则0 反之则 0 依次算出 5 20 和中点 12 5 减排计划下的预碳测浓度并判断可行性 最后给出具体的方案 问题 3 的分析 每个国家的发展情况 各国的碳排放量存在众多差异 发达国家的碳排放量 在全球碳排放总量中占有很大的比重 发展较快的国家碳排放量也在日益增大 所以必须得找到合适的方法 才能准确的估算各个国家碳排放量的情况 明确各 自承担的义务 在问题二的方案基础之上 首先从英国石油公司的网站下载了每个国家过去 的能源消耗数据 并依照数据把国家分为四类 美国 金砖四国 发达国家 其 他国家 再根据联合国政府间气候变化专门委员会 IPCC 给出的计算国家碳排放 量公式计算各个国家的碳排放量 最后制定出各个国家应承担的义务 问题 4 的分析 根据世界银行碳排放数据 对以往三十年全球碳排放来源进行分析 找出在 碳排放方面所占比重较大的来源 并给出合理化建议 进行有效减排 其次 预 测出未来 2030 2050 年全球碳排放量的走势 并具体到各个不同国家 同时有针 对性地提出不同措施 从而减少碳排放 将我们研究的成果写成报告 提交给 IPCC 三三 模型假设模型假设 1 假设碳排放量是以某种趋势变化的 无自然的突发因素影响碳排放 2 假设本文所有数据来源均真实可靠 3 假设根据公式换算 全球碳排放从 2017 年的 21737 百万吨上升到 2050 年的 57498 31 百万吨时 地球表面温度上升 2 摄氏度成立 4 假设各国家每年的碳排放总量结构稳定 不发生大的变动 四 符号说明四 符号说明 序号序号 符号符号 符号说明符号说明 1 2 3 5 6 7 GtC err 碳排放百万吨的符号单位 误差 最大数 国内生产总值 神经网络学习速率 迭代过程 这里只列出论文部分通用符号 个别模型单独使用的符号在首次引用会进行说明 五五 模型的建立与求解模型的建立与求解 5 1 系统聚类处理和系统聚类处理和BP神经网络神经网络融合融合模型的建立模型的建立 5 1 1 世界碳排放预测指标分析世界碳排放预测指标分析 世界碳排放受到多方面因素影响 选取合适的指标对世界碳排放的预测起到 决定性的作用 下面通过选取预测指标实现对碳排放预测的聚类分析 5 1 2 预测指标的确定预测指标的确定 指标选取的科学性与否与以下 3 个原则有关 1 简明性原则 指标的选取应该具有清晰明了的特点 2 可操作性原则 选取的指标应该可以量化 并且有实际意义 3 独立性原则 每一个指标之间应该是独立的 没有内在联系 本文在参考相关文献的基础之上 根据以上 3 个原则选取了 4 个一级指标和 10 个二级指标 指标体系如表 5 1 一级指标 编号 二级指标 指标含义 1 人均 GDP 国内生产总值除以年中人口数 美元 经济因素 2 工业增加值 工业产出相加再减去中间投入 3 农业增加值 农业产出相加再减去中间投入 4 总人口 所有的居民 人 社会因素 5 耗电量 发电厂和热电厂的发电量减去输配电和 变电损耗以及热电厂自用电 千瓦时 环境因素 6 森林面积 自然生长或人工种植且原地高度至少为 5 米的直立树木所覆盖的土地 平方公 里 7 农业用地 耕地 永久性作物和永久性牧场用地的 比例 8 化石燃料能耗 包括煤 石油 天然气产品 能源因素 9 可替代能源与核 源 在生产过程中不会产生二氧化碳的非碳 水化合物能源 10 可燃可再生资源 和废弃物 包括固体 液体生物质 生物气 工业废 弃物和城市垃圾 表 5 1 指标体系 指标一指标一 经济指标 全球大气气温上升是伴随着社会经济发展所产生的一种人为现象 根据世界 气象组织公报 2014 年第十期 指出自 1860 工业革命以来 温室气体的浓度增 加了 40 这意味着经济发展对温室气体排放有着显著 持续的影响 所以 选择经济指标为一级指标 并且具体化得到三个二级指标 1 人均GDP 人均GDP是世界生产总值除以人口 其增长依赖煤炭 石油以及其他化石 燃料的使用 几个世纪以来 人均GDP快速增长 这给温室排放带来了负面影 响 单位是 元 每人 计算公式如下 M m n 其中m为人均GDP M为世界总GDP n为世界人数 2 工业增加值 工业增加值的主要内容为 采矿业 制造业 建筑行业 水力 天然气行业 带来的增加值 近年来 钢铁 建筑对化石燃料的消耗不断增加 所以工业增加 值是预测世界碳排放的重要因素 3 农业增加值 农业增加值是指林业 狩猎业 农作物以及畜牧生产增加值 温度上升 干 旱 气候灾害会导致粮食产量减少 因此农业增加值是预测世界碳排放的重要指 标 指标二指标二 社会指标 根据世界气象组织公报 2014 年第十期 指出 人类活动对气候的恶劣影响 是毋庸置疑的 主要有以下两个因素 1 总人口 总人口是全世界人口的总和 每个人每天呼出 2 CO 0 9 千克 到 2015 年为止 人类自身排放的 2 CO 就有 653 9 万吨 所以 总人口直接影响着世界碳排放量 2 耗电量 耗电量可由以下公式表示 PFY 其中 P为耗电量 F为热电站产生电量 Y为输电损耗 指标三指标三 环境指标 1 森林面积 森林面积指的是达到要求的树木覆盖的土地面积 森立树木具有吸收二氧化 碳调节小气候的功能 炎热的夏季 林地的地表温度相比非林地要低3度到5度 严寒的冬季 林地能够降低风速提高温度等等 然而 全球范围内 森林的面积 在迅速减少 加剧了温室效应 研究显示砍伐森林造成二氧化碳排放量的增加占 总排放量的 8 因此 森林面积 是影响世界碳排放预测的重要因素 2 农业用地 在 2002 2011 年期间 IPCC 报告指出 因人为土地使用变化导致的 年净 排放量每年平均 0 9 美国弗吉尼亚大学气象学教授拉曼地曾说 要不是早 期的农业带来的温室气体 地球气温很可能还是冰川时期的气温 因此 选取 农业用地 作为二级指标来预测世界排放 指指标四标四 能源指标 1 化石燃料能耗 化石燃料是指煤炭 石油 以及天然气是 的主要来源 2002 2011 年期 间 IPCC 报告 因为化石燃料消耗及水泥制造产生的 排放量为每年 8 3 2011 年排放量为 9 5 比 1990 年水平高出 54 因此 化石燃料能耗直接 促进了 排放量的增长 2 可代替能源与核能 可代替能源与核能包括水能 核能 地热能和太阳能等 伴随人类发展方式 的转变 新兴低碳产业的发展 极大的降低了 的排放 因此可代替能源与核 能对碳的排放的变化具有较大的影响 3 可燃性再生资源和废弃物 先进的填料技术和搞笑的气化技术 将生物质再生资源和生活废弃资源 通 过空气动力学 流体学 传热学原理使得植物原料造气 燃气净化 自动分离 分别把固体物转化为气体更充分 燃烧时间更长 无烟法及游离碳的清洁卫生的 可燃性气体 切实可减轻大气污染 减少 的排放 是预测碳排放的重要指标 5 1 3 系统聚类模型的建立系统聚类模型的建立 1 数据处理和解算 借助 MTALAB 软件将 1996 2017 年世界碳排放指标 数据参见支撑文件 数 据规范化 将数据导入 SPSS 中软件 选择系统聚类方法 用 Pearon 相关系数 进行分析 在此给出部分表格 完整参见附录 相关性相关性 GDP 工业增加值 农业增加值 总人口 森林 GDP 皮尔逊相关性 0 91 848 836 918 031 显著性 双尾 000 000 000 892 个案数 21 21 21 21 21 工业增加值 皮尔逊相关性 848 1 938 960 005 显著性 双尾 000 000 000 982 个案数 21 22 22 22 22 农业增加值 皮尔逊相关性 836 938 1 957 053 显著性 双尾 000 000 000 815 个案数 21 22 22 22 22 总人口 皮尔逊相关性 918 960 957 1 020 显著性 双尾 000 000 000 931 个案数 21 22 22 22 22 表 5 2 由表 5 2 可知 各种预测因素中最大相关因数是 4 5 r 0 938 把 G4 和 G5 并 称新的一类 计算 G9 和各类的相关系数 找出最大相关系数 每次缩小一类 得到树状图 5 3 图 5 3 得出三类预测指标 第一类 总人口 X4 耗电量 X5 人均GDP X1 化石燃料 X8 占主 导地位 第二类 工业增加值 X2 农业增加值 X3 可再生资源和废弃物 X10 农业用地 X7 这类预测指标有一定的影响 第三类 森林面积 X10 可替代能源 X9 此类指标对排放影响较小 对 1996 2017 年的数据进行分析 选取 X4 X5 X1 X8 作为预测的主要依 据 指标结果可以和 BP 神经网络结合 建立碳排放预测模型 进行碳排放预 测 5 5 1 4 1 4 BPBP 神经网络预测世界碳排放量神经网络预测世界碳排放量模型的建立模型的建立 由于全世界碳排放量变化呈非线性 同时考虑到各种因素的可能性 所以选 择具有很强非映射能力的 BP 神经网络 BP 神经网络无需事先确定输入输出之间 映射关系的数学方程 仅通过自身的训练 学习某种规则 在给定输入值时得到 最接近期望输出值的结果 神经网络预测具体步骤 Step1 设置变量和参数 12 1 2 ttttm XxxxtN N为训练样本个数 学习速率为 n为迭代次数 第n次迭代输入层与隐含层的权值向量 11121 21222 12 I I MI MMMI wnwnwn wnwnwn Wn wnwnwn L L MMMM L 第n次迭代隐含层J之间的权向量 11121 21222 J J1J2J I I I I wnwnwn wnwnwn Wn wnwnwn L L MMMM L 第n次迭代实际输出值 12 1 2 ttttp Y nynynyntN LL 期望输出 12 y 1 2 ttttp yyytN LL Step2 按公式 2 min maxmin1 tjtjtjtjtj xxxxx 把原始数据进行标 准化处理 Step3 选取较小的随机非零值分别赋予 000 MIIJJP WWW 以保证网络不 被大的加权输入饱和 Step4 计算输入信号u和v 其中 1 2 p ptp vnynpP L 通过学习训练 修正各层权值的值 Step5 计算误差 tt E nY nY 判断其是否满足要求 若满足要求转至第八 步 不满足则转至第六步 Step6 判断 1n 是否大于最大迭代次数 如果大于最大迭代次数 则转至第八 步 如果小于 就对输入样本反向计算每层神经元的局部梯度 1 1 2 1 2 i 1 2 Step7 计算权值修正量V 并修正权值 若 1nn 转至第四步 pj jpPj Wnnn Vn 1 jpjp wnwnwjp n jI ijji wnnn Vn 1 ijijij wnwnwn I miitm wnnn xn 1 ii i mmm n wnwnw 其中 1 2jL12pI 1 2 mM L Step8 判断全部训练样本的学习情况 学习结果符合要求结束训练 得出预测结 果 否则进行第三步运算 5 1 5 系统聚类处理与系统聚类处理与 BP 神经网络预测模型的综合求解神经网络预测模型的综合求解 通过系统聚类确定以总人口 X4 耗电量 X5 人均GDP X1 化石燃 料 X8 作为预测的主要依据之后 结合 BP 神经网络 给出学习和训练样本 经过过自身的训练 学习世界总碳排放量未来走势规则 在给定输入值时得到最 接近期望输出值的世界总碳排放量预测结果 具体做法 运用 MATLAB 软件输入 1996 2017 年世界碳排放量指标数据作为 自变量与总碳排放量作为因变量来预测 2020 2050 年世界总碳排放量 Step1 设计网络输入层和输出层 即 5 2 中选取的 X4 X5 X1 X8 为自变量 Step2 隐含节点的选取是神经网络训练精度的关键 过多或者过少都可能对预 测结果产生影响 因此参照气象预测的 Kolmogorov 定理 采用以下经验公式 jmna 其中m为输入节点数 n为输出节点数 a的取值是 1 10 Step3 参数的设定或初始化 1 期望误差最小值 err goal 0 0001 2 最大循环次数 max epoch 2000 3 修正权值的学习速率 1r 10 1 4 显示训练迭代过程 show 50 Step4 运行网络 得出结果 程序见附录 程序一 MATLAB 运行结果图 5 4 图 5 4 因为问题二要求的是预测至 2030 年及 2050 年前的碳排放情况 而神经网 络输出经 MATLAB 求解出的为预测结果图 不容易看出直观的看出具体数据 所 以 从 2030 2050 年以每 1 年截取一次结果 同样可以反应碳排放情况 做表 5 5 如下 年份年份 全球全球 CO2排放量排放量 百万吨 百万吨 2030 33717 86 2031 34334 57 2032 35023 12 2033 35823 54 2034 36835 35 2035 37945 24 2036 39295 26 2037 40513 34 2038 41979 95 2039 43434 24 2040 45034 58 2041 46723 54 2042 48814 83 2043 50798 45 2044 52792 23 2045 54898 27 2046 56943 17 2047 59047 54 2048 61031 73 2049 63039 65 2050 65755 06 表 5 5 2030 3050 年全球碳排放 依据系统聚类之后 BP 神经网络法预测的结果 图 5 4 显示 未来世界碳 排放量必然不断增加 并在 2030 2050 年之间速率呈不断上升趋势 到 2040 年 总碳排放量可能达到 87891GtC 到了2050 年会有可能突破89461GtC 依据IPCC 第五次全球气候报告专栏的第五期文章指出 对应于 2 温控目标的 浓度为 430 480 10 由浓度与质量的关系 转化为 可排放的 的量为 55891 7GtC 那么 也就是说照此状态发展下去 联合国 使全球变暖不超过 2 的目 标极有可能落空 5 2 2 二分法确定减排比例模型的建立二分法确定减排比例模型的建立 二分法是对于区间 a b上连续不断且 0f af b 的函数 yf x 通过 不断把函数 f x的零点所在区间一分为二 使得区间两个端点逐渐趋近零点 进而得到方程近似值的方法 对于 使全球变暖不超过 2 摄氏度 的气候变化目标 没有准确的方案来推 断如何来实现 于是类比二分法解方程的思想 建立气候评价函数 0 0 fx fx 当 2050 年实现使 使全球变暖不超过 2 摄氏度 实现时 0f x 当 2050 年实现使 使全球变暖不超过 2 摄氏度 实现时 0f x 分别计算在区间两段两端点 5 和 20 的减排目标碳排放值 和 IPCC 公报 给出的当 2050 碳排放量为 55901 7GtC时温度上升恰好为 2 摄氏度的数据进行 比较得出 f x值 然后依照二分法寻找中值继续计算直到最恰当的减排目标 下面首先计算在减排 5 时 2050 年的碳排放 5 2 5 2 1 1 减排减排 5 5 的假设的假设 根据世界温室气体资料中心对二氧化碳排放比例的研究 轿车 52 货车 31 航运 6 铁路 3 其他 5 在运输方式中 公路和航空产生的二氧化碳量巨大 根据世界温室气体年鉴得到公路 铁路 航空的能耗比为 1 9 3 18 6 所以在 5 的减排目标之下 削减运输方面的碳排放为主要方向 针对上面的讨论 本文给出的建议是把减排的重点放在汽车上面 主要分为 对汽车的数量控制和技术控制 1 数量控制 数量控制可以直接 准确 方便的将运输产生的大量碳排放控制在希望的范 围之内 具体实施可以限制号牌 实行单双号分开上路 甚至可以控制汽油的使 用权以及抬高油价 2 技术控制 对于汽车的生产技术作出规定 在制造新型汽车 生产汽车必须满足相应的 排放标准才可以上路 第二 针对在用汽车实行排放标准管制 第三 提升油品 质量 减少汽油中硫 铅的含量 研发高品质汽油 技术控制不仅可以从源头上 减少汽车污染物的排放 还可以在全球范围之内提高技术创新 利用问题一中的模型 可以得出下图 5 6 从图片中可以看出在 2017 年 图 5 6 减排 5 预测 之后全球碳排放平均减少了 5 到了 2050 年全球每年平均碳排放重量达到 了 62476 25 百万吨 进而得出如下结论 5 减排目标降低了到 2050 年的全球碳排放量 和 IPCC 的研究报告预测的 55891 7GtC的数值小 因此不能完成使 全球变暖不超过 2 摄氏度 的目标 下面对 20 减排目标下的碳排放总量进行研究 5 2 5 2 2 2 减排减排 20 的假设的假设 在上文对运输方面的总控制 5 的基础之上 接着 对其他行业进行分析 包 括餐饮 建筑 旅游 建筑等行业 一般现在的节能系统 大多数效益都在 40 以上 那么 可以尽可能的将所 有的酒店 餐馆厨房的整柜的旧式燃烧系统改造成节能系统 并在日常饮食中再 大力的提倡 光盘行动 在旅游方面 提倡减排 对各大景点 的用水用电应该进行限制 游客在客房 等地方的消费也应该限制 而不是无限制地使用 另一方面 选择旅游的方式也 应该环保 集体出行 尽量不开私家车出行 用步行和自行车代替机动车 建筑行业主要是水泥的使用 水泥在碳排放中占 5 的份额 所以在建筑行业 中 应尽量使用环保水泥 进行材料转型 综上所述 如果实行合理 将每年的碳排放量降低 20 是可行的 再根据问 题一的预测模型 可以得到下图 5 7 图 5 7 减排 20 由图 5 7 可以看出 全球每年平均碳排放减少 20 时 2050 年全球每年 的平均碳排放量达 52604 52GtC 比问题一中的预测值 65755GtC减少很多 但 是仍大于 IPCC 专栏报告中的数据 57101 3GtC 因此应继续找到最合理的减排方 案 5 2 35 2 3 减排减排 12 5 12 5 的假设的假设 由 5 2 1 和 5 2 2 从采用二分法继续进行分析 这里取 5 和 25 的中间值 12 5 进行讨论 5 2 2 在减排 20 的情况下对交通运输 餐饮 建筑 旅游 建筑等产生大 量碳排放的行业进行规划 但是这样可能会影响人类的正常活动 所以减排 12 5 时可能符合实际 而且对电力 交通 工业这些经济命脉的行业的计划可以稍稍 放缓 同时本文设想在不影响生产的情况下 可以实行农业减排 具体措施如下 加强宣传 转变思想 形成低碳农业意识 调整工业产业结构 政府扶持 提高 土地利用率 政府扶持 典型模式引导 结合前面两个假设 在实施合理的情况下 利用模型一的假设计算减排 12 5 得出下图 5 8 图 5 8 减排 12 5 由上图可以看出在 12 5 的减排计划之下 相较于 5 的计划碳排放预测值已 经有较大的减少 也比 20 的计划排放量稍稍有些增加 考虑到 一 工业是当今支撑世界经济发展的重要支柱 所以控制工业消耗是十分困难 的 二 在世界范围内经济发展是不平衡 所以一概而论的分析是不全面的 三 科技的发展不是一蹴而就的 需要漫长的时间积累 因此计划 12 5 的减排目标是实际和理论的可靠结合实际上 在 12 5 的减 排计划之下 2050 年预测碳排放为 57535 69GtC已经非常接近 IPCC 专栏报告中 的数据 57101 3GtC所以气候评价函数 f x 已经非常接近零点 综上所述 减排 12 5 计划为一个很合理的 可以实施的目标 下面给出模 型一在减排 12 5 目标 2030 2050 年的碳排放数据 如表 5 9 年份年份 20302030 20312031 20203232 20332033 20342034 2 2035035 20362036 碳排放碳排放 29502 34 30042 84 30645 48 31346 03 32231 76 33201 57 34383 27 年份年份 20372037 20382038 20203939 20402040 20412041 20422042 20432043 碳排放碳排放 35448 38 36731 57 38004 21 39406 85 40882 51 42712 33 44448 29 年份年份 20442044 20452045 20462046 20472047 20482048 20492049 20502050 碳排放碳排放 46139 34 48036 57 49825 59 51666 78 53402 50 55159 6 57535 69 表 5 9 减排 2 5 后 2030 2050 年全球碳排放量 5 3 各类国家碳排放预测模型的建立各类国家碳排放预测模型的建立 国际能源协会在 2006 年调查了美中等多国的能源消费结构 下表是中国和 美国的能源消费结构如表 10 国家 工业 生活和交通 其他 中国 43 18 38 87 17 95 美国 17 85 57 51 24 64 表 5 10 中国 美国能源消费结构 上图说明了不同类型的国家 的产生方式不同 像中国这样的发展中的国 家 主要与经济的发展有关 随着经济的增长 排放会发生巨大的变化 而 发达国家主要排放方式则是生活方面 排放比较平稳 这会使得不同类型的 国家 总排放量的变化也截然不同 5 3 15 3 1 碳守恒模型碳守恒模型 了解各个类型国家的碳排放量 才能更好具体明确各个国家应承担的义务 所以建立预测各类国家碳排放量的碳守恒模型 联合国政府间气候变化专门委员会 IPCC 给出了精确国家碳排放量的公式 2 3 44 10 12 CO 排放所有能量 能源能源能源能源能源 可见消耗转换因子含碳量非燃碳 碳氧化因子 222 CO GOCOgC 排放量 表观消费 产量 进口 出口 国际燃料舱 库存变化 转化因子 根据净发热值将燃料转化为能源单位 TJ 的转化因子 CC 碳含量 顿 C TJ KgC GJ 非燃碳 排除在燃料燃烧排放以外的原料和非能源途中的碳 GgC 碳氧化因子 碳被氧化的比例 5 3 25 3 2 能源消耗预测模型能源消耗预测模型 碳守恒预测模型基于碳排放守恒的原则 在工业中的碳排放量主要来自于石 油 煤炭 天然气等各种燃料的燃烧 对于一个国家的能源消耗情况 再建立能 源消耗预测模型 从英国石油公司的网站下载了每个国家的能源消耗数据 并把这些国家依据 当前的发展情况分为四类 如表 5 11 分类分类 国家国家 金砖四国金砖四国 中国 俄罗斯 巴西 印度 发达国家发达国家 法国 英国 加拿大 日本 意大利 德国 澳大利亚 美国美国 美国 其他国家其他国家 其他国家 表 5 11 不同国家能源消耗 把美国单独列出是由于其 2008 年的能源消耗就占全球的 22 远大于其他 发达国家 金砖四国是前期 2030 年前 由于工业化没有完成 消耗比较大 后 期平稳增长 发达国家已完成工业革命 能源消耗也是缓慢增长 分为一类 其 他的国家过去的能源消耗变化不太大 分为一类 对这四类国家采用曲线拟合的方式来预测 2030 2050 年能源消耗 预测方程为 b ya xc 首先利用以前的数据得出各类国家的预测方程的参数 并对金砖四国采取分 段预测 在 2030 年以前能源消耗较大 2030 年以后能源消耗的增长率逐步减小 满 足公式 1 b a tcyt 其中 为减少系数 取 0 5 汇合如下表 5 12 表 5 12 各国家预测方程 整理出预测结果如表 5 13 年份年份 发达国家发达国家 美国美国 金砖四国金砖四国 其他国家其他国家 20302030 5428 437 7114 287 8665 269 12509 007 20312031 5527 774 7244 474 8823 838 12737 914 20322032 5638 703 7389 853 9000 911 12993 533 20332033 5767 825 7559 075 9207 025 13291 075 20342034 5930 596 7772 396 9466 852 13666 156 20352035 6109 145 8006 395 9751 865 14077 595 20362036 6326 495 8291 245 10098 815 14578 445 20372037 6522 593 8548 243 10411 841 15030 323 20382038 6758 619 8857 569 10788 603 15574 209 20392039 6992 874 9164 574 11162 538 16114 014 20402040 7250 796 9502 596 11574 252 16708 356 20412041 7522 403 9858 553 12007 811 17334 233 20422042 7859 054 10299 75 12545 198 18109 994 20432043 8178 478 10718 38 13055 086 18846 058 20442044 8499 512 11139 11 13567 544 19585 832 20452045 8838 578 11583 48 14108 786 20367 158 20462046 9167 823 12014 97 14634 351 21125 853 20472047 9506 567 12458 92 15175 079 21906 437 20482048 9825 991 12877 54 15684 967 22642 501 20492049 10149 279 13301 23 16201 023 23387 469 20502050 10586 555 13874 31 16899 035 24395 105 表 5 13 各国家 2030 2050 年碳排放预测结果 通过以上预测出全球碳排放量与各个国家的关系 绘制出比例图如图 5 14 图 5 14 股国家碳排放百分比 由此看出 在未来的世界碳排放量中 美国依然占得比重很大 接着就是金 砖四国 而后是发达国家 其他的国家排放较少 5 3 3 碳排放分配模型的建立碳排放分配模型的建立 结合各类国家碳排放量的预测结果和问题二给出的方案 并依照以下几点 0 建立碳排放分配模型 明确各个国家应承担的义务 在公正原则下影响碳排放分配的因素包括如下方面 1 人口 人人都有权排放碳 2 土地面积 面积越大 应分配较多的排放量 3 历史因素 发达国家早期发展中已经排放的量应补偿给发展中国家 4 工业和技术水平 技术水平影响碳的利用及排放 考虑公正原则 基于人口和土地因子的分配 方案 1 国家 全球 国家人口国家面积 排放排放 全部人口全部面积 把 设为 0 5 就有 0 5 0 5 国家 全球 国家人口国家面积 排放排放 全部人口全部面积 这个规则适用于分配未来的碳排放量 但是由于发达国家在历史上已经大量 的排放了 他们有义务减少现阶段的排放 将更多的发展空间留给发展中国 家 并通过提供财政支持和技术转移等方法提高发展中国家的能源利用率 减少 碳排放 最终 得到如下的碳减排放方案 如表 15 发达国家发达国家 美国美国 金砖四国金砖四国 其他国家其他国家 减排比例减排比例 40 3 34 20 30 表 15 各国家减排方案 在以此为前提之下 按照问题二所给的方案 按照比例 即可得到各个国家 应承担的减排义务 问题三模型建立流程 21 26 16 37 碳含量百分比碳含量百分比 美国金砖四国发达国家其他国家 5 4 建议书建议书 关于碳减排问题解决方案的探讨关于碳减排问题解决方案的探讨 尊敬的 IPCC 全球气候变暖 Global Warming 以及 碳减排 Carbon emission reduction 问题 已成为世界关注的一个热点问题 但是由于各国环境条件的 巨大差异以及利益间的巨大冲突 世界各国却无法达成一个有法律约束力的 碳排放 协议 为了解决上述问题 本报告对往年及预测的 2030 2050 年 的碳排放量数据进行分析探讨 提出了相关见解 希望能对你们有所帮助 通过对世界银行碳排放数据 我们对以往 30 年全球碳排放来源进行分析 发现煤炭仍然占很大比重 其次是石油和天然气 节能减排已迫在眉睫 结合上图 我们需将重点放在煤炭 石油 天然气 方面 由于电力行业占有很大比重的煤炭消耗 因此有必要对电力方面进行改 革 可将煤的使用以天然气代之 从而减少 CO2的排放 同时考虑到能源调整 后会导致 GDP 增长速率放缓 所以提高能源利用率和技术方面的提高才是最有 效的途径 对于石油方面 推出新政策 鼓励新能源汽车的研发与生产 提倡 低碳交通等对于碳减排起到很大的作用 43 33 18 6 煤炭石油天然气其他 碳守恒模型 能源消耗预测模型 各类国家排放 碳守恒模型 各类国家碳排 碳排放分配模型 碳减排方案 与此同时 各个国家在碳排放方面的积极配合 以上建议才能得以有效实 施 同样对世界银行碳排放数据 用 MATLAB 得出未来 2030 2050 年全球碳排 放量的预测 由图可知 全球碳排放量仍在逐年增加 这就需要各个国家分别采取不同 的措施来应对该问题 据权威统计 全球每年碳排放量排名靠前的国家分别是美国 日本 俄罗 斯 中国 巴西 印度 下图给出近三十年全球部分国家能源消耗造成的碳排 放量 由图可知 美国的碳排放量最大 中国在 21 世界后碳排放出现大幅度提 高 俄罗斯 日本和巴西比较稳定 作为发达国家的美国和日本 他们国内科 技发达 所以应主要撑到节能汽车等产品的要发 并在环保方面做出改变 作 为发展中国家的中国 俄罗斯 巴西 印度等国家也要为碳减排作出相应贡 献 中国是世界上人口最多的国家 也是矿产资源最丰富的国家 因此中国必 须利用新能源 不能一直依靠传统的煤 石油等 巴西滥砍滥伐现象比较严 重 所以政府应加大力度政治这一现象 同时增强国民环保意识 印度的制造 业比较发达 在生产过程中 要注重减排 多运用高科技 其他国家也应采取 相应措施来减少全球碳排放量 针对全球变暖以及碳排放问题 就像你们所说的 可再生能源行业正在大 幅提高性能和降低成本 但同时日益增长的全球能源需求和煤炭在全球燃料结 构中的增加 挫败了缓解气候变化的努力 不管精确的减排目标是什么 我们 不得不走上减缓的轨道 从根本上扩大全世界范围内的低碳能源形式 核能和 对环境安全的地球工程技术 如移除大气中二氧化碳的捕获和存储方式都是值 得考虑的 研究人员认为应该更加务实和多元化地来应对气候变化 例如 2010 年这个小组在政策文件中写道 促进技术进步同时还要关注减少贫困 因 为估计有 15 亿人还没有用上电 这可能最终被证明是比已经到期的 京都议定 书 更有效的国际条约 因此 对于这个迫在眉睫的问题 每个国家 每个公 民都应尽最大努力去解决该问题 以上便是我们的一些研究及建议 为了我们共同的地球 将节能减排进行 到底 六 模型的评价与推广 为减缓世界碳排放 学者们对影响二氧化碳排放的指标体系及世界的二氧化 碳排放预测模型进行过研究 然而 影响全球变暖的指标体系复杂多样 当前的 研究虽然丰富 但是预测精度一般 本文在前人的基础之上 建立起的模型经过 误差及灵敏度的分析 得到了较为精准的结果 6 16 1 模型的优点模型的优点 1 兼并考虑了世界碳排放量的预测及世界碳排放量影响指标在碳排放中的的作 用 2 通过系统聚类方法对世界碳排放量影响指标进行了研究与筛选 简化了 BP 神 将网络算法的输入层 3 运用 BP 神经网络算法对世界碳排放量进行预测 提升了原始算法的训练速度 和精度 与单一的误差反向传播算法预测模型相比 该模型的绝对误差和相 对误差都比较低 一侧结果也更加精确 可靠 模型的缺点 问题二的模型的建立及求解中 采用的二分法找最佳减排比例 只找了一次 中点 就得出最佳减排比例 处理的方法过于粗糙 依据欠缺 6 26 2 模型的模型的推广推广 碳排放预测指标涉及经济 社会 环境 能源等多个方面 本文打破一般研 究的局限性 采取多个指标的综合分析 并对指标进行科学 客观的分析 提取 有用的信息 去除杂乱无用的信息 对 碳排放量 进行进一步的研究 才给出 预测结果 所以 本文为 碳排放量 的预测工作提供了理论依据 在现实生活 的应用中值得推广 6 3 误差误差及灵敏度及灵敏度分析分析 1 在问题一中主要的误差来源是碳排放预测指标的选取 在舍去的 X2 X4 X5 X1 X8 X7 X10 和 X9 也会对预测产生影响 然而舍去了这些因素这就带来了 误差 下面研究这些因素带来的误差 在问题一中舍去的第二类因素有 X2 X3 X7 和 X10 把这些因素加入到 MI Wn矩阵中进行预测得到 2050 年的碳排放预测结果 是 46546 32GtC求相对误差 r 其中 12 带入数据可得0 142 r 由此说明问题一中聚类分析得到的因素较好 灵敏度 较高 2 本文的数据均来自 IPCC 和世界银行碳排放组织 数据本身就带来了误差 进 而影响了对未来的预测 七七 参考文献 参考文献 1 王艳旭 基于系统聚类与 BP 神经网络的世界碳排放预测模型及应用研究 D 南昌大学 2016 2 张发明 王艳旭 融合系统聚类与 BP 神经网络的世界碳排放预测模型研究 J 数学的实践与认识 2016 46 01 77 84 2017 08 22 3 胡蓉 从世界各国碳排放看中国减排 J 北方经济 2014 12 72 73 2017 08 22 4 朱江玲 岳超 王少鹏 方精云 1850 2008 年中国及世界主要国家的碳排放 碳排放与社会发展 J 北京大学学报 自然科学版 2010 46 04 497 504 2017 08 22 DOI 10 13209 j 0479 8023 2010 073 5 姚中华 沈大勇 全球 CO 2 排放预测模型 J 长沙大学学报 2011 25 02 65 67 2017 08 22 6 八八 附录附录 程序程序 1 1 function main clc 清屏 clear all 清除内存以便加快运算速度 close all 关闭当前所有figure图像 SamNum 20 输入样本数量为20 TestSamNum 20 测试样本数量也是20 ForcastSamNum 2 预测样本数量为2 HiddenUnitNum 8 中间层隐节点数量取8 比工具箱程序多了1个 InDim 3 网络输入维度为3 OutDim 2 网络输出维度为2 原始数据 GDP 单位 亿美元 sqrs 20 55 22 44 25 37 27 13 29 45 30 10 30 96 34 06 36 42 38 09 39 13 39 99 41 93 44 59 47 30 52 89 55 73 56 76 59 17 60 63 耗电量 单位 万千瓦时 sqjdcs 0 6 0 75 0 85 0 9 1 05 1 35 1 45 1 6 1 7 1 85 2 15 2 2 2 25 2 35 2 5 2 6 2 7 2 85 2 95 3 1 森林面积 单位 万平方公里 sqglmj 0 09 0 11 0 11 0 14 0 20 0 23 0 23 0 32 0 32 0 34 0 36 0 36 0 38 0 49 0 56 0 59 0 59 0 67 0 69 0 79 农业用地 单位 万平方公里 glkyl 5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 22598 25107 33442 36836 40548 42927 43462 公路货运量 单位 万吨 glhyl 1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 13320 16762 18673 20724 20803 21804 p sqrs sqjdcs sqglmj 输入数据矩阵 t glkyl glhyl 目标数据矩阵 SamIn minp maxp tn mint maxt premnmx p t 原始样本对 输入和输出 初始化 rand state sum 100 clock 依据系统时钟种子产生随机数 NoiseVar 0 01 噪声强度为0 01 添加噪声的目的是为了防止网络过度拟合 Noise NoiseVar randn 2 SamNum 生成噪声 SamOut tn Noise 将噪声添加到输出样本上 TestSamIn SamIn 这里取输入样本与测试样本相同因为样本容量偏少 TestSamOut SamOut 也取输出样本与测试样本相同 MaxEpochs 50000 最多训练次数为50000 lr 0 035 学习速率为0 035 E0 0 65 10 3 目标误差为0 65 10 3 W1 0 5 rand HiddenUnitNum InDim 0 1 初始化输入层与隐含层之间的