华东地区碳排放量灰色关联度分析

定义面板数据,将样本行为矩阵划分为时间维和指标维。以影响碳排放的包括总人口、城镇人口、生产总值、第二产业增值、能源结构在内的5个指标为研究对象,从个体和时间维度衡量影响因素矩阵与参考矩阵的相关程度,定义面板数据的灰色关联系数和灰色关联度,构建基于面板数据的灰色矩阵相似关联模型。将模型应用于华东地区各省市2005~2016年的碳排放量相关影响因素的分析中,得到各影响因素与碳排放量的时序灰色关联度和截面灰色关联度。模型应用性好,为华东地区各省市如何构建低碳化社会、降低碳排放量提供了针对性政策建议。结果显示:5个影响因素与碳排放的关联度从大到小依次为,生产总值(0.806)、总人口(0.786)、能源结构(0.774)、第二产业比重(0.770)、城镇化(0.729);灰色关联度表明华东地区前期处于一个经济转型时期,至2010年后,各种发展模式随之变得稳定;通过碳排放量与各影响因素的灰色截面度来看,华东地区不同城市的发展状况以及政策情况各有不同,从而影响了碳排放量的变化。

基于卡尔曼滤波的MGM-多维AR(p)模型的构建及其应用

由于受到外界不确定性因素的干扰,导致实际数据偏离模拟的趋势,使得灰色多变量MGM(1,m)模型预测效果不佳,而多维平稳序列自回归模型(AR(p))能够有效反应具体数据与整体趋势之间产生的偏差,从而可以掌握外界环境对目标数据发展趋势带来的影响.由此文章首先利用卡尔曼滤波对给定的小样本数据做平滑处理,消除数据观测时产生的噪声误差,然后根据MGM(1,m)模型对处理后的数据建模,将得到的模拟预测值作为样本数据的趋势项,并将残差作为样本数据的随机项,再通过多维AR(p)模型对随机项进行分析,最后将MGM(1,m)模型的趋势项与多维AR(p)模型模拟的随机项相加得到基于卡尔曼滤波的MGM-多维AR(p)模型的模拟预测值.将该模型和MGM(1,m)模型,多维AR(p)模型和GM-AR组合模型分别应用于衡量杭州市雾霾程度的相关指标中建模分析,结果表明:文中提出的组合优化模型相比其他3个模型,拟合效果更佳,预测结果更精确.