Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Một mô hình Verhulst xám mới và ứng dụng của nó trong dự báo khí thải CO2
Tóm tắt
Khí thải carbon dioxide là một vấn đề môi trường quan trọng, và nó cũng trở thành một yếu tố tham khảo quan trọng cho các chính phủ trong việc xây dựng các chính sách xã hội và kinh tế. Dự đoán khách quan và chính xác về khí thải carbon dioxide có thể cung cấp thông tin tham khảo và cảnh báo sớm cho việc thực hiện chiến lược môi trường của chính phủ. Sự thay đổi của dữ liệu gốc về khí thải carbon dioxide có dạng S-type, nhưng không phải là S-type bão hòa. Mô hình Verhulst xám chủ yếu được sử dụng để mô tả quá trình ở trạng thái bão hòa, phù hợp với việc lập mô hình cho chuỗi dữ liệu dạng S-type. Tuy nhiên, mô hình này có những sai số và hạn chế cố hữu. Trong bài viết này, hành động xám của mô hình Verhulst xám được cải tiến, một mô hình Verhulst hành động mới được tạo ra, và các thuộc tính của nó được nghiên cứu. Cuối cùng, mô hình mới được sử dụng để dự đoán khí thải carbon dioxide của Trung Quốc và Nga, và mô hình ARIMA được bổ sung để so sánh. Kết quả cho thấy so với mô hình Verhulst gốc, độ chính xác của mô hình Verhulst được tối ưu hóa trong mô phỏng và dự đoán cải thiện hơn 10%, và mô hình ARIMA lại đánh giá thấp khí thải carbon dioxide. Từ phân tích kết quả, Trung Quốc và Nga cần xây dựng các chính sách tiết kiệm năng lượng và giảm phát thải mạnh mẽ, phát triển công nghiệp năng lượng sạch một cách mạnh mẽ, và thúc đẩy sản xuất cũng như lối sống xanh.
Từ khóa
#Khí thải carbon dioxide #mô hình Verhulst xám #dự báo khí thải #chính sách môi trường #năng lượng sạchTài liệu tham khảo
Ali G, Pumijumnong N, Cui SH (2017) Decarbonization action plans using hybrid modeling for a low-carbon society: the case of Bangkok metropolitan area. J Clean Prod 168:940–951. https://doi.org/10.1016/j.jclepro.2017.09.049
Ali G, Pumijumnong N, Cui SH (2018) Valuation and validation of carbon sources and sinks through land cover/use change analysis: the case of Bangkok metropolitan area. Land Use Policy 70:471–478. https://doi.org/10.1016/j.landusepol.2017.11.003
Alia G, Abbasb S, Pan YC et al (2019) Urban environment dynamics and low carbon society: multi-criteria decision analysis modeling for policy makers. Sustain Cities Soc 51:101763. https://doi.org/10.1016/j.scs.2019.101763
Dang YG, Liu SF (2004) The GM models that x(n) be taken as initial value[J]. Int J Systerms Cybern 33(2):247–255
Deng JL (2002) Estimate and decision of grey system. Huazhong University of Science and Technology Press, Wuhan
Duan HM, Xiao XP (2019) A multimode dynamic short-term traffic flow grey prediction model of high dimension tensors. Complexity. https://doi.org/10.1155/2019/9162163
Duan HM, Lei GY, Shao KL (2018) Forecasting crude oil consumption in China using a grey prediction model with an optimal fractional-order accumulating operator. Complexity:1–12. https://doi.org/10.1155/2018/3869619
Duan HM, Xiao XP, Xiao QZ (2020a) An inertia grey discrete model and its application in short-term traffic flow prediction and state determination. Neural Comput & Applic 32:8617–8633. https://doi.org/10.1007/s00521-019-04364-w
Duan HM, Wang D, Pang XY, Liu Y, Zeng S (2020b) A novel forecasting approach based on multi-kernel nonlinear multivariable grey model: a case report. J Clean Prod 260:120929. https://doi.org/10.1016/j.jclepro.2020.120929
Kong LC, Ma X (2018) Comparison study on the nonlinear parameter optimization of nonlinear grey Bernoulli model (NGBM (1, 1)) between intelligent optimizers. Grey Systems: Theory and Application 8(2):210–226
Li SL, Zeng B, Ma X et al (2020) A novel grey model with a three-parameter background value and its application in forecasting average annual water consumption per capita in urban areas along the Yangtze River Basin. J Grey Syst 32(1):118–132
Ma M, Cai W, Cai W (2018) Carbon abatement in China’s commercial building sector: a bottom up measurement model based on Kaya-LMDI methods. Energy 165:350–368. https://doi.org/10.1016/j.energy.2018.09.070
Ma X, Wu WQ, Zhang YY (2019) Improved GM (1, 1) model based on Simpson formula and its applications. J Grey Syst 31(4):33–46
Mao SH, Gao MY, Xiao XP, Zhu M (2016) A novel fractional grey system model and its application. Appl Math Model 40:5063–5076. https://doi.org/10.1016/j.apm.2015.12.014
Mao SH, Xiao XP, Gao MY et al (2018) Nonlinear fractional order grey model of urban traffic flow short term prediction. J Grey Syst 30(4):1–17
Mao SH, Kang YX, Zhang YH et al (2020) Fractional grey model based on non-singular exponential kernel and its application in the prediction of electronic waste precious metal content, ISATransactions 107. https://doi.org/10.1016/j.isatra.2020.07.023
Wang ZX, Yao PY (2018) Grey relational analysis of economic policy uncertainty in selected European Union countries. Econ Comput Econ Cybern Stud Res 52(2):251–265. https://doi.org/10.24818/18423264/52.2.18.15
Wang ZX, Dang YG, Liu SF (2009) Unbiased grey Verhulst model and its application. Systems Engineering-Theory & Practice 29(10):138–144
Wang ZX, Li DD, Zheng HH (2020) Model comparison of GM(1,1) and DGM(1,1) based on Monte-Carlo simulation. Physica A: Statistical Mechanics and its Applications 542. https://doi.org/10.1016/j.physa.2019.123341
Wu LF, Zhang ZY (2018) Grey multivariable convolution model with new information priority accumulation. Appl Math Model 62:595–604. https://doi.org/10.1016/j.apm.2018.06.025
Wu LF, Liu SF, Yang YJ (2016) Grey double exponential smoothing model and its application on pig price forecasting in China. Appl Soft Comput 39:117–123. https://doi.org/10.1016/j.asoc.2015.09.054
Wu WQ, Ma X, Wang Y, Zhang Y, Zeng B (2019) Research on a novel fractional GM (α, n) model and its applications. Grey Syst: Theory Appl 9(3):356–373
Wu WQ, Ma X, Zhang YY, Li W, Wang Y (2020) A novel conformable fractional non-homogeneous grey model for forecasting carbon dioxide emissions of BRICS countries. Sci Total Environ 707:1–24. https://doi.org/10.1016/j.scitotenv.2019.135447
Xiao XP, Duan HM (2020) A new grey model for traffic flow mechanics. Eng Appl Artif Intell. https://doi.org/10.1016/j.engappai.2019.103350
Xiao XP, Yang JW, Mao SH (2017) An improved seasonal rolling grey forecasting model using a cycle truncation accumulated generating operation for traffic flow. Appl Math Model 51:386–404. https://doi.org/10.1016/j.apm.2017.07.010
Xiao QZ, Shan MY, Gao MY, Xiao X, Goh M (2020) Parameter optimization for Bernoulli model on biomass energy consumption prediction. Appl Soft Comput J 95:106538. https://doi.org/10.1016/j.asoc.2020.106538
Xie NM, Chen NL (2018) The novel fractional discrete multivariate grey system problem with interval grey processing time. Appl Soft Comput 70:513–524. https://doi.org/10.1016/j.asoc.2018.06.004
Xie NM, Liu SF, Yang YJ et al (2013) On novel grey forecasting model based on non-homogeneous index sequence. Appl Math Model 37(7):5059–5068
Xie M, Wu LF, Li B et al (2020) A novel hybrid multivariate nonlinear grey model for forecasting the traffic-related emissions. Appl Math Model 77:1242–1254. https://doi.org/10.1016/j.apm.2019.09.013
Xiong PP (2012) Research on the modeling method of background value optimization of gray Verhulst model. China Manag Sci 20(6):154–115
Yan C, Wu LF, Liu LY et al (2020) Fractional Hausdorff grey model and its properties, Chaos. Solitons Fractals 138:109915. https://doi.org/10.1016/j.chaos.2020.109915
Zeng B, Ma X, Shi J (2020a) A new-structure grey Verhulst model for China’s tight gas production forecasting. Appl Soft Comput (96):106600
Zeng B, Tong MY, Ma X (2020b) A new-structure grey Verhulst model: development and performance comparison. Appl Math Model. https://doi.org/10.1016/j.apm.2020.01.014
Zeng B, Li H, Ma X (2020c) A novel multi-variable grey forecasting model and its application in forecasting the grain production in China. Comput Indust Eng (150):106915. https://doi.org/10.1016/j.cie.2020.106915
Zhang P, Ma X, She K (2019) A novel power-driven grey model with whale optimization algorithm and its application in forecasting the residential energy consumption in China. Complexity:1–22. https://doi.org/10.1155/2019/1510257