基于神经网络与随机前沿分析的碳排放效率预测方法

摘要

本发明公开了基于神经网络与随机前沿分析的碳排放效率预测方法及系统，该方法包括选取碳排放的影响因子GDP和人口数量POP；获取历史GDP和POP数据以及相对应时期内区域碳排放量CE；将历史GDP和POP数据作为输入，相对应时期内区域碳排放量CE作为输出来构建自适应模糊神经网络模型；利用获取的历史GDP和POP数据及时间序列模型来预测未来一定时期内的GDP和POP，将预测的GDP和POP输入至自适应模糊神经网络模型中，预测得到未来相应时期内的区域碳排放量；根据预测的未来一定时期内的GDP和POP以及区域碳排放量，构建随机前沿分析模型，通过极大似然法估计出随机前沿分析模型各个参数值，然后分别用GDP和POP的技术无效率项的条件期望作为各自对区域碳排放量的技术效率。

主权项

一种基于神经网络与随机前沿分析的碳排放效率预测方法，其特征在于，包括：步骤1：选取碳排放的影响因子GDP和人口数量POP；其中，GDP与POP是相互独立的变量因子；步骤2：获取历史GDP和POP数据以及相对应时期内区域碳排放量CE；将历史GDP和POP数据作为输入，相对应时期内区域碳排放量CE作为输出来构建自适应模糊神经网络模型；步骤3：利用获取的历史GDP和POP数据及时间序列模型来预测未来一定时期内的GDP和POP，将预测的GDP和POP输入至自适应模糊神经网络模型中，预测得到未来相应时期内的区域碳排放量；步骤4：根据预测的未来一定时期内的GDP和POP以及区域碳排放量，构建随机前沿分析模型，通过极大似然法估计出随机前沿分析模型各个参数值，然后分别用GDP和POP的技术无效率项的条件期望作为各自对区域碳排放量的技术效率。