期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于ARIMA模型的碳排放预测及减排潜力
被引量:
4
下载PDF
职称材料
导出
摘要
我国高度重视碳排放问题,将绿色低碳发展作为生态文明建设的重要内容,因此探寻我国低碳发展之路至关重要。该文采用因子分析,构造因子模型来分析我国碳排放的主要影响因素。选取了ARIMA(0,2,0)模型进行预测,通过检验可知,模型能够很好地对碳排放进行预测。选用多因素学习曲线的方法来估算减排潜力,通过设置背景计算得到各主要因素的减排潜力。
作者
周树涛
邱畅
姚均業
苏俊玉
机构地区
广东海洋大学数学与计算机学院
出处
《中国新技术新产品》
2023年第2期130-132,共3页
New Technology & New Products of China
关键词
影响因素
ARIMA模型
减排潜力
分类号
X511 [环境科学与工程—环境工程]
引文网络
相关文献
节点文献
二级参考文献
5
参考文献
2
共引文献
4
同被引文献
59
引证文献
4
二级引证文献
2
参考文献
2
1
寇静,白玉英.
基于ARIMA模型的我国碳排放强度预测[J]
.统计与管理,2016,0(11):92-93.
被引量:4
2
祁桂梅.
浅析电力行业节能减排影响因素及应对策略[J]
.节能与环保,2022(2):43-44.
被引量:2
二级参考文献
5
1
章益,王嘉晶,严海翔.
电力工业节能降耗影响因素解析[J]
.华东科技(综合),2019,0(9):0240-0240.
被引量:1
2
林寿富,赵定涛.
基于能源结构的能源强度实证研究[J]
.软科学,2010,24(7):49-53.
被引量:13
3
洪涛,于明超,江静.
中国工业污染物排放密度的影响因素分析--基于污染供需分析框架的实证研究[J]
.管理评论,2011,23(10):3-9.
被引量:7
4
钱娟.
能源节约偏向型技术进步对工业节能减排的门槛效应研究[J]
.科研管理,2020,41(1):223-233.
被引量:17
5
陈晓彤.
浅谈我国煤电行业能源消耗现状及减排措施[J]
.电站辅机,2020,41(1):20-24.
被引量:1
共引文献
4
1
赵慧卿,郭晨阳.
中国2030年CO_2减排目标能否实现?——基于STIRPAT模型分析[J]
.天津商业大学学报,2019,39(2):41-46.
被引量:1
2
梁小林,秦欢,陈敏茹,许奇,梁曌.
基于Adaboost-SVR模型的我国碳排放强度分析与预测[J]
.经济数学,2020,37(3):167-174.
被引量:3
3
黄昕怡,王成强,苏洁,赵向青.
基于GRA-LSTM模型的碳排放量预测——以宿迁市为例[J]
.黑龙江科学,2023,14(5):25-27.
4
康欣宁.
电力行业节能减排影响因素及应对策略研究[J]
.现代工业经济和信息化,2023,13(9):193-194.
同被引文献
59
1
宋杰鲲,张宇.
基于BP神经网络的我国碳排放情景预测[J]
.科学技术与工程,2011,11(17):4108-4111.
被引量:22
2
赵成柏,毛春梅.
基于ARIMA和BP神经网络组合模型的我国碳排放强度预测[J]
.长江流域资源与环境,2012,21(6):665-671.
被引量:52
3
朱潜挺,吴静,王铮.
基于自主体的全球碳交易模拟[J]
.地理研究,2012,31(9):1547-1558.
被引量:7
4
于维洋,赵会宁.
基于改进BP神经网络的河北省碳排放量增长影响因素分析[J]
.安全与环境学报,2013,13(6):104-107.
被引量:4
5
白润才,殷伯良,孙庆宏.
BP神经网络模型在城市环境质量评价中的应用[J]
.辽宁工程技术大学学报(自然科学版),2001,20(3):373-375.
被引量:11
6
纪广月.
基于灰色关联分析的BP神经网络模型在中国碳排放预测中的应用[J]
.数学的实践与认识,2014,44(14):243-249.
被引量:31
7
方德斌,董博.
基于GPR模型的中国“十三五”时期碳排放趋势预测[J]
.技术经济,2015,34(6):106-113.
被引量:9
8
蒙绍祥.
基于ARIMA和Monte Carlo的煤炭消费及其碳排放预测研究[J]
.内蒙古煤炭经济,2016,0(2):25-25.
被引量:1
9
肖枝洪,王明浩.
中国碳排放量的组合模型及预测[J]
.重庆工商大学学报(自然科学版),2016,33(1):9-15.
被引量:11
10
王万军,路正南,朱东旦.
动态预测视角下产业系统碳排放强度减排压力分析——基于低碳发展弹性系数的研究[J]
.江苏社会科学,2017(1):32-37.
被引量:3
引证文献
4
1
汤海洋.
低碳目标约束下公共建筑绿色施工节能减排潜力预测模型[J]
.铁道建筑技术,2023(8):180-184.
被引量:2
2
朱潜挺,熊鹏程,张馨月,吴静.
微观创新驱动下京津冀城市群低碳经济转型模型构建[J]
.企业科技与发展,2023(11):1-5.
3
王南,胡展硕,王丽霞,吕旭明,张延华.
指数平滑法模型与ARIMA模型在行业碳排放趋势预测中的综合应用实践分析[J]
.数字技术与应用,2023,41(12):91-93.
4
谭川江,王超,常昊,杜若岚,任宏洋.
基于人工神经网络模型的碳排放预测研究进展[J]
.天然气与石油,2024,42(1):124-132.
二级引证文献
2
1
占义红,李紫嫣.
建筑工程绿色施工研究[J]
.新材料·新装饰,2024,6(5):64-67.
2
杨帆.
干法胶粉大粒径沥青混合料性能与碳排评价[J]
.铁道建筑技术,2024(4):67-72.
1
赵金辉,李景顺,王潘乐,侯高杰.
基于Lasso-BP神经网络模型的河南省碳达峰路径研究[J]
.环境工程,2022,40(12):151-156.
被引量:10
2
李金超,鹿世强,郭正权.
中国省际碳排放预测及达峰情景模拟研究[J]
.技术经济与管理研究,2023(3):21-25.
被引量:5
3
李志伟.
营商环境优化、内部控制质量与企业科技创新[J]
.上海商业,2023(3):11-13.
4
向小军,杨志晗,赵赶超.
基于时间序列的民用运输航空器碳排放预测研究[J]
.现代计算机,2023,29(2):14-22.
被引量:4
5
吉雪强,李卓群,张跃松.
农地流转对农业碳排放的影响及空间特性[J]
.资源科学,2023,45(1):77-90.
被引量:11
6
陈红.
生化检验指标在糖尿病诊断中的应用效果[J]
.中文科技期刊数据库(文摘版)医药卫生,2023(4):0022-0024.
7
吴花平,刘自豪.
基于区块链的碳排放审计流程优化研究[J]
.复印报刊资料(财务与会计导刊),2022(9):65-70.
8
郭恺钊.
国际贸易影响我国服务业偏向性技术革新的机理——以上市服务类企业为例[J]
.商业经济研究,2023(8):175-178.
9
陈欢,牟瑛.
“双碳”目标下重庆市碳排放影响因素及其预测研究[J]
.重庆工商大学学报(自然科学版),2023,40(2):7-14.
被引量:5
10
丁贝贝.
浅谈食品检验检测实验室的质量管理[J]
.食品安全导刊,2023(2):4-6.
中国新技术新产品
2023年 第2期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部