论文部分内容阅读
全球变暖是一种人为现象,既危害自然生态系统的平衡,也威胁人类的生存与发展。政府间气候变化专门委员会(IPCC)第4次评估报告指出,人类燃烧化石燃料所产生的二氧化碳是全球变暖的主要诱因。对全球变暖的担忧促使世界碳排放预测研究成为学术界研究的热点问题。世界碳排放预测模型是其研究的重要内容,该类模型一般采用单一预测模型、融合预测模型对世界碳排放进行预测。两类预测模型各有优劣,本文在前人研究的基础上,对融合预测模型进行深入研究,提出基于系统聚类与BP神经网络的世界碳排放预测模型。首先,本文对两类世界碳排放预测模型进行梳理汇总,并比较说明两类模型的优缺点。结果表明单一预测模型操作简便、结果客观可信,但假设条件较多且预测精度不高;融合预测模型相对复杂,但方法灵活、应用广泛、信息利用率高,预测精度相对较高。其次,针对世界碳排放预测指标的复杂性与多样性,构建系统聚类与BP神经网络的世界碳排放预测模型,并阐述该模型在世界碳排放预测中的适用性。最后,本文从经济因素、社会因素、环境因素等四个角度出发,选取人均GDP、总人口、森林面积、化石燃料能耗等10个指标,运用SPSS软件进行系统聚类分析法全面提取影响世界碳排放预测的指标,从而构建不同的世界碳排放预测指标层,使世界碳排放预测值在很大程度上接近实际世界碳排放值。将设计好的指标层输入MATLAB软件中进行BP神经网络运算,得出相应预测结果,通过两两比较确定采用最优指标层的预测模型,并预测2015年、2016年世界碳排放量分别为400.01(PPM)、402.98(PPM)。本研究详细分析了世界碳排放预测指标,并通过实验验证了基于系统聚类与BP神经网络的世界碳排放预测模型比传统单一BP神经网络预测模型具有更高的信息利用率,预测精度更高,具有更好地适用性。