数学建模-二氧化碳排放及时空分布测度

2023-12-08 14:01

本文主要是介绍数学建模-二氧化碳排放及时空分布测度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

二氧化碳排放及时空分布测度

整体求解过程概述(摘要)

  面临全球气候变化的巨大挑战,我国积极响应《巴黎协定》的号召,提出“2030年前碳达峰,2060 年前实现碳中和”的碳排放发展目标,并将碳中和相关工作作为 2021 年的重点任务之一。目前我国主流的碳排放核算方法是基于产品、企业和项目的自下而上的方法,成本较大且效率较低,而且县级统计数据严重缺失,难以进行精细化的管理和政策指导。
  夜光灯数据被广泛应用在社会经济指标的测度中,并表现出良好的解释能力。本文结合夜光灯和社会经济数据,利用提升回归树(BRT)建立其与碳排放的关系,并采用贝叶斯法优化(BO)模型超参数。本文利用 2000-2017 年中国省级数据,进行有监督学习,并通过 K 折交叉验证法对模型的表现结果进行评价,结果表明BO-BRT 具有较高的拟合优度和泛化能力。
  基于 BO-BRT 模型,我们对 2000-2017 年中国县级碳排放数据进行测度,并结合标准差椭圆对中国碳排放空间分布进行分析,结果发现碳排放主轴逐渐向西旋转,表明中国发展过程内蒙古、新疆等西部地区碳排放量逐渐增加。
  本文结合夜光灯和社会经济数据建立的我国县域碳排放量的估计模型提供了一种成本低、精度高的小尺度碳排放核算方法,对我国县域碳排放测度、碳减排措施的落实乃至其经济发展都有着重要指导意义,同时针对中国全域碳排放分析的结果,对国家加强顶层设计、统筹协调各个地区碳排放具有重大实践意义。

问题分析

  在国内产业向低碳转型的过程中,宏观政府部门如何制定减排措施以及微观企业如何执行落实、我国区域经济结构如何协同发展都是各部门在未来计划里值得深入探讨的问题,而科学客观的碳排放数据则是政策实践强有力的理论支撑。科学测度碳排放,不仅可以对人类文明产业发展起到警示告诫作用,还能刺激各行业对于绿色和新清洁能源的技术创新与研究使用,推动促进中国作为世界第二大经济体进行绿色转型的模范作用,提早达到“碳高峰”对于人类社会发展与生态平衡二者之间的交锋也具有积极的示范意义。
  在此上述背景之下,寻找一种低成本又高精度的二氧化碳排放强度测算方法对于研究我国高速增长的经济和二氧化碳排放量之间的关系显得尤为重要。本文通过收集国家统计局数据库中 2000-2017 年各省的年度 GDP、人均 GDP、人口总数、城镇化率等面板数据以及中国碳核算数据库中估算的 1997 - 2017 年中国2735 个县域的 CO2 排放量数据结合,并且从经过统一后的 DMSP/OLS 和 NPP/VIIRS卫星图像中得到了具有高质量并且时间跨度范围广度的稳定夜间灯光数据,并据此建立中国小地域尺度下的二氧化碳排放量核算模型,提出相应规划与建议。本文提出的结果有助于弥补现有的数据差距,并有助于制定减少中国二氧化碳排放的战略。除了应用在碳排放领域具有借鉴价值,而且对于今后人口分布、GDP 预测和污染物估计等社会指标测度也提供着重要的参考意义。

模型的建立与求解整体论文缩略图

在这里插入图片描述
在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

(代码和文档not free)

import numpy as np
import pandas as pd
import statsmodels.api as sm
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf,plot_pacf
import itertools
from sklearn.metrics import r2_score as rs
import warningswarnings.filterwarnings("ignore")#忽略输出警告
plt.rcParams["font.sans-serif"]=["SimHei"]#用来正常显示中文标签
plt.rcParams["axes.unicode_minus"]=False#用来显示负号df=pd.read_excel("E:\or.xlsx"#指定Month列作为索引列#天然气CO2排放量
NGE=df1["Natural Gas Electric Power Sector CO2 Emissions"]
NGE.head()
#折线图
fig, ax=plt.subplots(figsize=(15,15))
NGE.plot(ax=ax,fontsize=15)
ax.set_title("天然气碳排放",fontsize=25)
ax.set_xlabel("时间(月)",fontsize=25)
ax.set_ylabel("碳排放量(百万总吨)",fontsize=25)
ax.legend(loc="best",fontsize=15)
ax.grid()
#分解时序
#STL(Seasonal and Trend decomposition using Loess)是一个非常通用和稳健强硬的分解时间序列的方法
import statsmodels.api as sm
#decompostion=tsa.STL(NGE).fit()报错,这里前面加上索引sm
decompostion=sm.tsa.STL(NGE).fit()#statsmodels.tsa.api:时间序列模型和方法
decompostion.plot()
#趋势效益
trend=decompostion.trend
#季节效应
seasonal=decompostion.seasonal
#随机效应
residual=decompostion.resid
#平稳性检验
#自定义函数用于ADF检查平稳性
from statsmodels.tsa.stattools import adfuller as ADF
def test_stationarity(timeseries,alpha):#alpha为检验选取的显著性水平adf=ADF(timeseries)p=adf[1]#p值critical_value=adf[4]["5%"]#在95%置信区间下的临界的ADF检验值test_statistic=adf[0]#ADF统计量if p<alpha and test_statistic<critical_value:print("ADF平稳性检验结果:在显著性水平%s下,数据经检验平稳"%alpha)return Trueelse:print("ADF平稳性检验结果:在显著性水平%s下,数据经检验不平稳"%alpha)return False
#将数据化为平稳数据
#一阶差分
NGE_diff1=NGE.diff(1)
#十二步差分
NGE_seasonal=NGE_diff1.diff(12)#非平稳序列经过d阶常差分和D阶季节差分变为平稳时间序列
print(NGE_seasonal)
#十二步季节差分平稳性检验结果
test_stationarity(NGE_seasonal.dropna(),1e-3)#使用dropna()去除NaN值
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

这篇关于数学建模-二氧化碳排放及时空分布测度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/470113

相关文章

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2

OCC开发_变高箱梁全桥建模

概述     上一篇文章《OCC开发_箱梁梁体建模》中详细介绍了箱梁梁体建模的过程。但是,对于实际桥梁,截面可能存在高度、腹板厚度、顶底板厚度变化,全桥的结构中心线存在平曲线和竖曲线。针对实际情况,通过一个截面拉伸来实现全桥建模显然不可能。因此,针对变高箱梁,本文新的思路来实现全桥建模。 思路 上一篇文章通过一个截面拉伸生成几何体的方式行不通,我们可以通过不同面来形成棱柱的方式实现。具体步骤

CSP-J基础之数学基础 初等数论 一篇搞懂(一)

文章目录 前言声明初等数论是什么初等数论历史1. **古代时期**2. **中世纪时期**3. **文艺复兴与近代**4. **现代时期** 整数的整除性约数什么样的整数除什么样的整数才能得到整数?条件:举例说明:一般化: 判断两个数能否被整除 因数与倍数质数与复合数使用开根号法判定质数哥德巴赫猜想最大公因数与辗转相除法计算最大公因数的常用方法:举几个例子:例子 1: 计算 12 和 18

2024年AMC10美国数学竞赛倒计时两个月:吃透1250道真题和知识点(持续)

根据通知,2024年AMC10美国数学竞赛的报名还有两周,正式比赛还有两个月就要开始了。计划参赛的孩子们要记好时间,认真备考,最后冲刺再提高成绩。 那么如何备考2024年AMC10美国数学竞赛呢?做真题,吃透真题和背后的知识点是备考AMC8、AMC10有效的方法之一。通过做真题,可以帮助孩子找到真实竞赛的感觉,而且更加贴近比赛的内容,可以通过真题查漏补缺,更有针对性的补齐知识的短板。

全英文地图/天地图和谷歌瓦片地图杂交/设备分布和轨迹回放/无需翻墙离线使用

一、前言说明 随着风云局势的剧烈变化,对我们搞软件开发的人员来说,影响也是越发明显,比如之前对美对欧的软件居多,现在慢慢的变成了对大鹅和中东以及非洲的居多,这两年明显问有没有俄语或者阿拉伯语的输入法的增多,这要是放在2019年以前,一年也遇不到一个人问这种需求场景的。 地图应用这块也是,之前的应用主要在国内,现在慢慢的多了一些外国的应用场景,这就遇到一个大问题,我们平时主要开发用的都是国内的地