基于遗传算法优化反向传播神经网络的中国二氧化碳排放量影响因素研究

来源 :科技和产业 | 被引量 : 0次 | 上传用户:obo9413
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着经济的发展与社会的进步,温室效应问题的愈加严重已经威胁到人类的正常生存与社会经济的可持续发展。为了能够更加准确的预测我国未来几年二氧化碳排放量,从而采取相应的节能减排政策,采用遗传算法(GA)优化反向传播神经网络(BPNN)的初始连接权值和阈值,克服了反向传播神经网络极易收敛于局部极小的缺点。通过我国1985-2015年的碳排放量和影响因素进行实证分析,结果证明GA优化过的BPNN模型(GA-BPNN)对二氧化碳排放量的预测有着更高的精度,更适用于我国当前二氧化碳排放量预测的需要。
其他文献
剑桥大学作为英国最古老的高校之一,其财务管理体制和运行机制具有特殊性。但是,该校在经济活动内部控制和财务风险控制方面、在利益相关者关系管理方面、在经费使用管理方面的
主要通过多元线性回归统计模型对房地产的价格进行评估。首先运用统计软件中的SPSS进行线性回归分析建立房地产评估的多元线性回归预测模型,同时对该预测模型进行显著性检验,
工业厂房租金上涨不仅加重工业企业的负担,还会对地方的工业格局产生影响。通过市场、工业企业、二房东以及环保政策对广州市工业厂房租金上涨原因进行剖析,为抑制工业厂房租