城市碳排放预测方法及系统技术方案

本发明专利技术公开了一种城市碳排放预测方法，包括：构建城市碳排放因素分解模型和ARMA预测模型；以预测误差最小为目标通过确定城市碳排放因素分解模型和ARMA预测模型的权重，构建碳排放组合预测模型；确定城市碳排放驱动因素变化率；通过碳排放组合预测模型和城市碳排放驱动因素变化率对城市未来碳排放量进行预测，本发明专利技术通过计算因素分解模型与ARMA预测模型在碳排饭预测中的权重得到组合模型，从而更合理的通过组合模型对城市的碳排放量进行预测，从城市层面分析了碳排放的驱动因素，以明确不同因素对城市群碳排放的影响程度，通过以数据计算验证提升测算准确性，为省侧测算各场景下碳达峰时间提供可靠的依据。峰时间提供可靠的依据。峰时间提供可靠的依据。

【技术实现步骤摘要】
城市碳排放预测方法及系统


[0001]本专利技术属于碳排放预测
，尤其涉及一种城市碳排放预测方法及系统。

技术介绍

[0002]近年来以重工业为主的产业结构和以煤炭、石油等化石能源为主的能源消费结构是中国经济高速发展的重要动力，同时也导致碳排放量处于世界首位，碳减排面临巨大压力，经济发展与环境保护之间的矛盾日益突出。在碳达峰目标约束下，有必要深入分析吉林省各城市在应对气候变化和碳减排等方面的相关问题，尤其自规划与2035年远景目标纲要颁布以来，吉林省应当担负减碳发展责任，结合本省产业结构，有效探索碳达峰实现路径和制定碳达峰发展方案，为碳达峰工作开展提供的样板案例。同时结合当前国内外碳排放的变动情况以及相关的节能减排政策可以发现，针对不同的研究对象，可能会出现多种碳达峰的相关实现方案。因此需要吉林省本地碳排放的变动情况，通过设定多种可能存在的发展情景，分析不同情景下碳排放的变动趋势以及实现碳达峰的相关路径。文章利用历年吉林城市层面的碳排放数据，构建城市碳排放的因素分解模型和情景预测方法，分析实现碳达峰的驱动因素以及在不同发展情景下碳排放的变动情况，并通过核密度估计方法探讨吉林省城市群在不同情景下的整体变动趋势，为碳达峰的实现路径提供相关借鉴。

技术实现思路

[0003]为了解决现有技术存在的问题，本专利技术提供一种城市碳排放预测方法及系统，能够准确预测城市未来的碳排放量。
[0004]本专利技术所要解决的技术问题是通过以下技术方案实现的：
[0005]第一方面，提供了一种城市碳排放预测方法，包括：
[0006]构建城市碳排放因素分解模型和ARMA预测模型；
[0007]以预测误差最小为目标通过确定城市碳排放因素分解模型和ARMA预测模型的权重，构建碳排放组合预测模型；
[0008]确定城市碳排放驱动因素变化率；
[0009]通过碳排放组合预测模型和城市碳排放驱动因素变化率对城市未来碳排放量进行预测。结合第一方面，进一步的，所述城市碳排放因素分解模型如式(1)所示
[0010]C ＝ ΔC
T
+ ΔC
L
+ ΔC
S
+ ΔC
Q
ꢀꢀꢀꢀ
(1)
[0011]其中，C为各因素驱动下的碳排放总量，ΔC
T
、ΔC
L
、ΔC
S
和ΔC
Q
分别表示人口规模效应驱动下的碳排放量、人均产出效应驱动下的碳排放量、产业结构效应驱动下的碳排放量以及工业碳强度效应驱动下的碳排放量；
[0012][0013]其中，CE
t
和CE0分别为t时期和当前时期的碳排放量，T
t
和T0分别为t时期和当前时期的人口效应，L
t
和L0分别为t时期和当前时期的人均产出效应，S
t
和S0分别为t时期和当前时期的产业结构效应，Q
t
和Q0分别为t时期和当前时期的工业碳强度效应。
[0014]结合第一方面，进一步的，所述ARIMA预测模型如式(3)所示
[0015][0016]其中，τ为常数，δ1、δ2…
δ
q
为回归模型中的白噪声序列；σ
i
为残差，为拟合参数；g
i
‑1、g
i
‑2、...g
i
‑
q
为残差序列；y
i
‑
q
为待预测年前q个时期的碳排放量，C(i)为通过ARIMA模型预测的待预测第i个时期的碳排放量。
[0017]结合第一方面，进一步的，所述构建碳排放组合预测模型包括：
[0018]根据式(4)得到城市碳排放因素分解模型和ARMA预测模型的优化权重系数；
[0019]P＝E
‑1R/R
T
E
‑1R (4)
[0020]其中，P为模型的优化权重系数
[0021][0022]其中，e
ji
表示通过第j个模型算出的第i个时期的碳排放量，R＝[1,1,...,1]，T、E为误差矩阵；
[0023]根据式(6)得到
[0024]C”＝aH1+bH2(6)
[0025]其中，a、b分别为通过式(4)求出的城市碳排放因素分解模型和ARMA预测模型的优化权重系数，C”表示碳排放组合预测模型算出的城市碳排放量；H1、H2分别为城市碳排放因素分解模型和ARMA预测模型计算的城市碳排放量。
[0026]结合第一方面，进一步的，所述确定城市碳排放驱动因素变化率包括：
[0027]通过式(7)得到城市碳排放驱动因素变化率
[0028]ω＝(1+δ)
·
(1+χ)
·
(1
‑
β)
·
(1
‑
α)(7)
[0029]其中，δ、χ、β和α分别表示人口规模增长率、人均产出增长率、产业结构变化率和工业碳强度变化率，ω表示城市碳排放驱动因素变化率。
[0030]结合第一方面，进一步的，所述对城市未来碳排放量进行预测包括：
[0031]根据式(8)对城市下一时期的碳排放量进行预测
[0032]C”t+1
＝ω
t
·
C”t
(8)
[0033]其中，ω
t
表示第t时期的城市碳排放驱动因素变化率，C”t
和C”t+1
分别表示t时期和t的下一个时期的城市碳排放量。
[0034]第二方面，提供了一种多情景城市碳排放预测系统，包括：
[0035]组合模型构建模块，用于构建城市碳排放因素分解模型和ARMA预测模型；
[0036]以预测误差最小为目标通过确定城市碳排放因素分解模型和ARMA预测模型的权重，构建碳排放组合预测模型；
[0037]碳排放驱动因素变化率计算模块，用于确定城市碳排放驱动因素变化率；
[0038]碳排放预测模块，用于通过碳排放组合预测模型和城市碳排放驱动因素变化率对城市未来碳排放量进行预测。
[0039]本专利技术的有益效果：本专利技术通过计算因素分解模型与ARMA预测模型在碳排饭预测中的权重得到组合模型，从而更合理的通过组合模型对城市的碳排放量进行预测，从城市层面分析了碳排放的驱动因素，以明确不同因素对城市群碳排放的影响程度，通过以数据计算验证提升测算准确性，为省侧测算各场景下碳达峰时间提供可靠的依据。
附图说明
[0040]图1为本专利技术的流程图。
具体实施方式
[0041]为了进一步描述本专利技术的技术特点和效果，以下结合附图和具体实施方式对本专利技术做进一步描述。
[0042]实施例1
[0043]如图1所示，一种城市碳排放预测方法，包括以下步骤：
[0044]步骤一、构建城市碳排放因素分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市碳排放预测方法，其特征在于，包括：构建城市碳排放因素分解模型和ARMA预测模型；以预测误差最小为目标通过确定城市碳排放因素分解模型和ARMA预测模型的权重，构建碳排放组合预测模型；确定城市碳排放驱动因素变化率；通过碳排放组合预测模型和城市碳排放驱动因素变化率对城市未来碳排放量进行预测。2.根据权利要求1所述的一种城市碳排放预测方法，其特征在于，所述城市碳排放因素分解模型如式(1)所示C ＝ ΔC
T
+ ΔC
L
+ ΔC
S
+ ΔC
Q
ꢀꢀꢀꢀ
(1)其中，C为各因素驱动下的碳排放总量，ΔC
T
、ΔC
L
、ΔC
S
和ΔC
Q
分别表示人口规模效应驱动下的碳排放量、人均产出效应驱动下的碳排放量、产业结构效应驱动下的碳排放量以及工业碳强度效应驱动下的碳排放量；其中，CE
t
和CE0分别为t时期和当前时期的碳排放量，T
t
和T0分别为t时期和当前时期的人口效应，L
t
和L0分别为t时期和当前时期的人均产出效应，S
t
和S0分别为t时期和当前时期的产业结构效应，Q
t
和Q0分别为t时期和当前时期的工业碳强度效应。3.根据权利要求1所述的一种城市碳排放预测方法，其特征在于，所述ARIMA预测模型如式(3)所示其中，τ为常数，δ1、δ2…
δ
q
为回归模型中的白噪声序列；σ
i
为残差，为拟合参数；g
i
‑1、g
i
‑2、...g
i
‑
q
为残差序列；y
i
‑
q
为待预测年前q个时期的碳排放量，C(i)为通过ARIMA模型预测的待预测第i个时期的碳排放量。4.根据权利要1所述的一种城市碳排放预测方法，其特征在...

【专利技术属性】
技术研发人员：田金艳，朴哲勇，郭威，于洋，梁晓龙，张杨斯棋，谭琛，王守琴，王晟腾，徐昊，刘圣楠，
申请(专利权)人：北京科东电力控制系统有限责任公司，
类型：发明
国别省市：