【技术实现步骤摘要】
本专利技术涉及碳排放影响因素和预测，特别是一种碳排放量影响因素预测分析方法及系统。
技术介绍
1、随着社会经济的发展，环境问题的日益突出和各国对环保问题的宣传，碳排放导致气候变暖进而影响地球环境的观念已经深入人心。降低碳排放、早日实现碳中和也成了国际社会不断追求的目标。实现碳中和需要保障人民社会水平和社会经济发展的基础上完成。因此，研究碳排放现状及影响因素，基于区域不同情景和不同影响因子对碳排放量的预测，是实现地区碳排放尽快达峰、有效节能减排的前提，也是一个需要高度关注和深入发掘的领域。
2、传统方法通常采用stirpat模型对碳排放量进行预测。然而，采用stirpat模型对碳排放量进行预测的方法，存在准确性较低的问题。相比于stirpat模型而言，leap模型预测既具有较好的适用性，又能够达到较高的预测精度的同时可以进行中长期预测。
技术实现思路
1、鉴于现有的碳排放量影响因素预测分析方法存在的问题，提出了本专利技术。因此，本专利技术所要解决的问题在于如何提供一种碳排放量影响因素预测分析方法及系统。
2、为解决上述技术问题，本专利技术提供如下技术方案：
3、第一方面，本专利技术提供了一种碳排放量影响因素预测分析方法，其包括，获取数据库中的变量指标并检验，将经检验后的变量代入初始stirpat模型，得到stirpat拓展模型；对stirpat拓展模型使用偏最小二乘法进行回归，对回归结果进行分析，得到变量对碳排放量指标的影响权重和碳排放量预测结果；
4、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述指标包括因变量指标和自变量指标；所述因变量指标为碳排放量，所述自变量指标包括人口规模、人均gdp、能源强度、产业结构、能源结构以及城镇化率。
5、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述检验包括对变量指标进行特异性检验和相关性检验，判断样本是否为异常点和检验自变量与因变量是否存在线性关系；所述特异性检验包括依据样本点对所提取主成分的贡献率大小来判断该样本点是否为异常点，以主成分为坐标轴绘制t椭圆图进行判断；若全部样本点均落在椭圆的内部，则说明样本点的分布是均匀的，即不存在特异点；若存在某些样本点落在椭圆以外的区域，则判定这些点为特异点；所述相关性检验包括设x为自变量集合，y为因变量集合，对x与y进行相关性检验判断自变量与因变量之间是否存在线性关系；取t1和u1分别为自变量集合x和因变量集合y提取的第一主成分，绘制t1/u1平面图分，若t1和u1之间呈现明显的线性趋势，则说明x和y之间存在显著的相关关系；若t1和u1之间不呈现明显的线性趋势，则说明x和y之间不存在显著的相关关系。
6、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述得到stirpat拓展模型包括如下步骤，得到stirpat初始模型，相关表达式如下：
7、i＝apbactde
8、式中，i、p、a、t分别表示环境压力、人口、财富和技术；a为模型系数；b、c、d分别是人口、财富和技术驱动力的指数；e为模型误差；对stirpat初始模型两边取自然对数，相关表达式如下：
9、ln i＝ln a+ln p+c ln a+d ln t+ln e
10、对自变量进行拓展得到拓展后的stirpat模型，相关表达式如下：
11、ln c＝ln a+α1 ln(p)+α2 ln(a)+α3 ln(ei)+α4 ln(is)+α5 ln(es)+α6 ln(ur)+ε
12、式中，c为碳排放量，p为人口规模，a为人均gdp，ei为能源强度，is为产业结构，es为能源结构，ur为城镇化率；αi分别为自变量的权重，ε为模型误差。
13、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述使用偏最小二乘法进行回归包括以下步骤，对取对数后的样本矩阵x和y进行标准化处理，得到标准化后的自变量矩阵e0＝[xij*]m×6和因变量矩阵f0＝[yij]m×1，相关计算公式如下：
14、
15、式中，和sj为xj的均值和标准差；和sy为y的均值和标准差；从自变量矩阵e0中抽取一个成分t1＝e0ω1，其中：
16、ω1＝e0tf0/||e0tf0||
17、进行e0和e0在t1上的回归：
18、e0＝t1p1t+e0，f0＝r1t1+f1
19、p1＝e0t t1/||t1||2，r1＝f0t t1/||t1||2
20、式中，p1和r1是回归系数；记残差矩阵为：
21、e1＝e0-t1p1t，f1＝f0-r1t1
22、设得到n个成分t1，t2，…，tn，进行f0在t1，t2，…，tn上的回归，得到：
23、
24、得到回归方程的相关系数rn2，将写成e0的线性组合形式，即：
25、
26、式中，i为单位矩阵；
27、得到回归方程为：
28、
29、xj*的回归系数为：
30、
31、式中，ωhj*是ωh*的第j个分量；按照标准化的逆过程，将的回归方程还原为y对x的回归方程，选择恰当的成分个数，进行解释性检验和交叉有效性检验，存在达到终止条件，则转到下一步；否则令e0＝en，f0＝fn，返回重新进行抽取；解释性检验反映成分t1，t2…，tn对y的累积解释能力，通过回归方程相关系数rn2表征；交叉有效性检验反映成分t1，t2…，tn对y的预测能力，将所有样本点代入回归方程，得到样本预测值定义y的误差平方和为ssn，相关计算公式如下：
32、
33、去掉第k年的数据使用剩下的m-1个样本点，拟合回归方程，代入第k年的数据，得到拟合值对于每一个k＝1，2，…，n，重复测试，定义y的预测误差平方和为pressn，相关计算公式如下：
34、
35、定义tn的交叉有效性qn2计算公式为：
36、
37、当时，则认为tn成分的贡献不显著，无法使精度明显提高，回归计算终止。
38、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述对回归结果进行分析包括以下步骤，对回归系数进行分析得到各自变量对碳排放的抑制或促进作用，明确各自变量对碳排放的影响程度与效果；应用变量投影重要性指标vip分析自变量对碳排放的解释作用，其计算公式为：
39、
40、式中，p为自变量个数；rh2为第h个成分对因变量的解释能力；ωhj2为测量变量xj对成分th的边际贡献。
41、作为本专利技术所述碳排放量影响因素预测分析方法的一种优选方案，其中：所述核算预测包括以本文档来自技高网...
【技术保护点】
1.一种碳排放量影响因素预测分析方法，其特征在于：包括，
2.如权利要求1所述的碳排放量影响因素预测分析方法，其特征在于：所述指标包括因变量指标和自变量指标；所述因变量指标为碳排放量，所述自变量指标包括人口规模、人均GDP、能源强度、产业结构、能源结构以及城镇化率。
3.如权利要求2所述的碳排放量影响因素预测分析方法，其特征在于：所述检验包括对变量指标进行特异性检验和相关性检验，判断样本是否为异常点和检验自变量与因变量是否存在线性关系；
4.如权利要求3所述的碳排放量影响因素预测分析方法，其特征在于：所述得到STIRPAT拓展模型包括如下步骤，
5.如权利要求4所述的碳排放量影响因素预测分析方法，其特征在于：所述使用偏最小二乘法进行回归包括以下步骤，
6.如权利要求5所述的碳排放量影响因素预测分析方法，其特征在于：所述对回归结果进行分析包括以下步骤，
7.如权利要求6所述的碳排放量影响因素预测分析方法，其特征在于：所述核算预测包括以下步骤，
8.一种碳排放量影响因素预测分析系统，基于权利要求1～7
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述碳排放量影响因素预测分析方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述碳排放量影响因素预测分析方法的步骤。
...【技术特征摘要】
1.一种碳排放量影响因素预测分析方法，其特征在于：包括，
2.如权利要求1所述的碳排放量影响因素预测分析方法，其特征在于：所述指标包括因变量指标和自变量指标；所述因变量指标为碳排放量，所述自变量指标包括人口规模、人均gdp、能源强度、产业结构、能源结构以及城镇化率。
3.如权利要求2所述的碳排放量影响因素预测分析方法，其特征在于：所述检验包括对变量指标进行特异性检验和相关性检验，判断样本是否为异常点和检验自变量与因变量是否存在线性关系；
4.如权利要求3所述的碳排放量影响因素预测分析方法，其特征在于：所述得到stirpat拓展模型包括如下步骤，
5.如权利要求4所述的碳排放量影响因素预测分析方法，其特征在于：所述使用偏最小二乘法进行回归包括以下步骤...
【专利技术属性】
技术研发人员：沈鑫，李家浩，尹钰君，方俊，徐飞，谭太洋，王帮灿，陈然，杨璇，刘清蝉，林聪，赵毅涛，张一竞，纪思，张建伟，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。