一种基于灰色系统的碳排放及碳排放结构信息熵预测模型技术方案

本发明专利技术涉及碳排放及碳排放结构信息熵预测技术领域，涉及一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，包括碳排放预测模型、碳排放结构信息熵预测模型和模型检验方法；本发明专利技术使用单变量和多变量灰色预测模型结合的方式建立灰色预测模型，利用西部某省2007

【技术实现步骤摘要】
一种基于灰色系统的碳排放及碳排放结构信息熵预测模型


[0001]本专利技术涉及碳排放及碳排放结构信息熵预测
，特别涉及一种基于灰色系统的碳排放及碳排放结构信息熵预测模型。

技术介绍

[0002]现有技术中，碳排放预测的方法很多，主要有I PAT模型(环境影响评估模型)、Lasso
‑
BP神经网络组合模型、LEAP模型(长期能源可替代规划模型)、STIRPAT模型(可拓展的随机性的环境影响评估模型)、投入产出模型和灰色预测模型等。灰色预测模型使用简单方便，但是，多变量灰色预测模型有着无法预测相关因素未知情况的局限性。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的缺陷，提供一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，其使用单变量和多变量灰色预测模型结合的方式来建立灰色预测模型。
[0004]为了实现上述目的，本专利技术提供以下技术方案：
[0005]一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，其特征在于，包括碳排放预测模型、碳排放结构信息熵预测模型和模型检验方法；
[0006]优选的，所述碳排放结构信息熵预测模型的构建包括如下步骤:
[0007]设一组数据为原始序列，分别记为X
i(0)
＝(x
i(0)
(1),x
i(0)
(2),...,x
i(0)
(n)),n为数据的个数，建立GM(1，1)模型，其中，i＝1,2,3,4,5，分别表示某区域能源强度、人均GDP、能源结构、人口和碳排放结构信息熵，作一次累加生成新的数列X
i(1)
＝(x
i(1)
(1),x
i(1)
(2),...,x
i(1)
(n))，其中，
[0008][0009]生成X
(1)
的均值数列Z
i(1)
＝(z
i(1)
(1),z
i(1)
(2),...,z
i(1)
(n))，其中，
[0010]Z
i(1)
(k)＝αx
i(1)
(k
‑
1)+αx
i(1)
(k),k＝2,3...n,i＝1,2,3,4,5
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0011]式(5)中，α为权重，0≤α≤1，通常取α＝0.5。由此建立灰色微分方程：
[0012][0013]式(6)中，a
i
和b
i
为待解系数，分别称为发展系数和灰色作用量，a
i
的有效区间是(
‑
2，2)，并记a
i
、b
i
构成的矩阵为ε＝(a
i
,b
i
)
T
，可通过最小二乘法计算出具体数值，计算方法如下：
[0014]ε＝(ε
T
ε)
‑1B
T
Y
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0015]其中，设和
[0016]将ε＝(a
i
,b
i
)
T
带入求解得：
[0017][0018]累减还原，即可得到预测值
[0019]优选的，所述碳排放预测模型的构建包括如下步骤：
[0020]设某省碳排放量的数据序列为原始数据序列，记为：
[0021][0022]设能源强度、人均GDP、能源结构、人口的数据序列为相关因素序列，记为：
[0023][0024]令的(1
‑
AGO)序列为其中，
[0025][0026]生成紧邻均值序列其中，
[0027][0028]则，GM(1，N)模型为：
[0029][0030]其中，系数a称为发展系数，b
j
为驱动系数，为驱动项；再设ε＝(a，b1，b2，
…
，b
N
)
T
，由最小二乘参数法可得
[0031]ε＝(ε
T
ε)
‑1B
T
Y
ꢀꢀꢀꢀꢀꢀꢀ
(14)
[0032]设和
[0033]当变化幅度较小时，GM(1，N)可以近似为：
[0034][0035]则预测值为：
[0036][0037]GM(1，N)模型运算过程简单，却有着无法预测相关因素未知情况的局限性，本专利技术在预测碳排放时，使用的是GM(1，1)模型与GM(1，N)模型结合的方法，对于未知的相关因素采用GM(1，1)模型进行预测，再结合GM(1，N)模型对碳排放进行预测；
[0038]设预测得到的相关因素数据序列为：
[0039][0040]生成新的序列其中，T为预测步长，为的(1
‑
AGO)序列，
[0041][0042]令的(1
‑
AGO)序列为其中，
[0043][0044]此时GM(1，N)可以近似为：
[0045][0046]则预测值为：
[0047][0048]优选的，所述模型检验方法采用后验差检验，其方法包括如下：
[0049]残差序列为：
[0050][0051]其中，x
(0)
(k)为真实值，为预测值，
[0052]原始数据的均值为：
[0053][0054]残差序列的平均值为：
[0055][0056]原始序列的方差为：
[0057][0058]残差方差为：
[0059][0060]后验差的检验为：
[0061][0062]在使用后验差方法检验预测模型时，需要计算出残差序列与原始序列均方差的比值C和小误差概率P，然后与精度等级表进行对照，最后确定模型的精度度是否满足要求，这两个数值可由式(27)计算得到。预测精度等级表如表2所示：
[0063]表2后验差预测精度等级表
[0064][0065]与现有技术相比，本专利技术具有的有益效果是：而本专利技术使用单变量和多变量灰色预测模型结合的方式建立灰色预测模型，首先利用西部某省2007
‑
2016年的历史数据，对西部某省碳排放量进行了预测分析，选择四个因素作为相关因素序列：能源强度、人均GDP、能源结构、人口，选择碳排放量作为原始序列，结合两种预测模型，对西部某省2017
‑
2030年碳排放量进行了预测分析，然后根据西部某省2007年
‑
2016年的能源消费量历史数据，选择原油、煤油和煤炭等8类主要的化石能源，对西部某省碳排放结构信息熵同样进行了预测分析，为西部某省低碳发展提供参考。
附图说明
[0066]图1为本专利技术实施例2中西部某省相关因素预测值与真实值比较图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，其特征在于，包括碳排放预测模型、碳排放结构信息熵预测模型和模型检验方法。2.根据权利要求1所述的一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，其特征在于，所述碳排放结构信息熵预测模型的构建包括如下步骤:步骤1：设一组数据为原始序列，分别记为X
i(0)
＝(x
i(0)
(1),x
i(0)
(2),...,x
i(0)
(n)),n为数据的个数，建立GM(1，1)模型，其中，i＝1,2,3,4,5，分别表示某区域能源强度、人均GDP、能源结构、人口和碳排放结构信息熵；步骤2：作一次累加生成新的数列X
i(1)
＝(x
i(1)
(1),x
i(1)
(2),...,x
i(1)
(n))，其中，步骤3：生成X
(1)
的均值数列Z
i(1)
＝(z
i(1)
(1),z
i(1)
(2),...,z
i(1)
(n))，其中，Z
i(1)
(k)＝αx
i(1)
(k
‑
1)+αx
i(1)
(k),k＝2,3...n,i＝1,2,3,4,5
ꢀꢀꢀꢀ
(5)式(5)中，α为权重，0≤α≤1，通常取α＝0.5；步骤4：由此建立灰色微分方程：式(6)中，a
i
和b
i
为待解系数，分别称为发展系数和灰色作用量，a
i
的有效区间是(
‑
2，2)，并记a
i
、b
i
构成的矩阵为ε＝(a
i
,b
i
)
T
，可通过最小二乘法计算出具体数值，计算方法如下：ε＝(ε
T
ε)
‑1B
T
Y
ꢀꢀꢀꢀ
(7)其中，设和将ε＝(a
i
,b
i
)
T
带入求解得：步骤5：累减还原，即可得到预测值3.根据权利要求2所述的一种基于灰色系统的碳排放及碳排放结构信息熵预测模型，其特征在于，所述碳排放预测模型的构建包括如下步骤：步骤1：设某省碳排放量的数据序列为原始数据序列，记为：C
...

【专利技术属性】
技术研发人员：申富泰，何清素，魏军，王栋，郭芳琳，王亚婷，赵义仑，张文波，
申请(专利权)人：国网甘肃省电力公司，
类型：发明
国别省市：