CN105956688A - 大气中碳浓度和温度的变化趋势预测方法及装置 - Google Patents
大气中碳浓度和温度的变化趋势预测方法及装置 Download PDFInfo
- Publication number
- CN105956688A CN105956688A CN201610258491.9A CN201610258491A CN105956688A CN 105956688 A CN105956688 A CN 105956688A CN 201610258491 A CN201610258491 A CN 201610258491A CN 105956688 A CN105956688 A CN 105956688A
- Authority
- CN
- China
- Prior art keywords
- carbon
- parameter
- temperature
- concentration
- assessment result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明提供一种大气中碳浓度和温度的变化趋势预测方法及装置,所述方法包括:所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度;根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果;将预测评估结果进行显示。本发明提供的一种大气中碳浓度和温度的变化趋势预测方法及装置,通过在预测参数数据中增加消费者关注参与度这个不确定性因素后,并采用动态不确定性气候经济学模型对数据进行分析处理,获得预测评估结果,并将预测评估结果以文字、图标或图片的形式进行显示,使预测结果较之先前的预测更加准确。
Description
技术领域
本发明涉及环境经济学技术领域,尤其涉及一种大气中碳浓度和温度的变化趋势预测方法及装置。
背景技术
随着工业化进程的加剧,空气中的碳浓度呈现上升趋势,随之而来的气候问题日益严重。气候变化是个长期现象,影响着我们生活中的方方面面。许多经济学家采用整体评估模型(IAM)对气候变化进行评估和预测,以期控制碳浓度和温度升高。
现阶段的各个模型和平台,都是基于PAGE、FUND、DICE等模型进行更新和改进,比如将气候、能源等外在因素加入模型中去,或是对模型中的某些参数进行重新赋值,进而评估这些因素对碳浓度和温度变化的影响。这些模型和平台,虽然在一定程度上可以对未来气候的变化趋势产生影响,但仍存在缺点:
1、建立在忽略甚至掠夺现阶段消费者效用和福利的基础上,来达到增加后代福利的目的,其本质是效用的转移。
2、忽略消费者在模型中的作用。
发明内容
本发明提供一种大气中碳浓度和温度的变化趋势预测方法及装置,用于更可靠的评估和预测碳浓度和温度的变化趋势。
一方面,本发明提供一种大气中碳浓度和温度的变化趋势预测方法,包括:
获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度;
根据所述预测参数数据采用动态整合不确定性气候经济学模型计 算获得预测评估结果;
将预测评估结果进行显示。
优选地,根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果,包括:
根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果;
根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果;
其中,所述动态整合不确定性气候经济学模型包括温度变化预测模型和碳循环预测模型。
优选地,根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率;
根据温度参数和碳浓度量采用公式
F(t)=η{log2[MAT/MAT(t)]}+FEX计算获得温室气体的总辐射效应值,其中,F(t)表示温室气体的总的辐射效应,MAT表示大气中的碳浓度,MAT(a)表示第t年的碳浓度,FEX表示外生效应;
根据温度参数和总辐射效应值采用公式
TAT(t)=TAT(t-1)+ξ1{F(t)–ξ2TAT(t-1)–ξ3[TAT(t-1)-TLO(t-1)]};
TLO(t)=TLO(t-1)+ξ4[TAT(t-1)-TLO(t-1)]}计算获得大气温度值,其中,F(t)表示温室气体的总的辐射效应,TAT(t)和TLO(t)分别表示海平面 上、下的平均温度,t为年限。
优选地,根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率。
优选地,在根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量之前,根据人口与技术参数采用公式 计算获得净输出值,其中,Q表示净输出,以柯布道格拉斯生产函数为基础,A表示全要素生产率,K表示资本存量,L表示劳动输入,Λ表示气候损害,Ω表示减排成本,γ表示资本弹性。
优选地,还包括:在根据人口与技术参数采用公式 计算获得净输出值之前,根据人口和技术参数和预设消费者关注参与度采用公式 计算获得社会福利总值和人均效用值,其中,W为社会福利总值,C表示人均消费,L表示劳动力,R表示贴现因子,β为预设的消费者关注参与度,α表示消费的边际效用弹性,为人均效用。
优选地,所述人口与技术参数包括表示人均消费、劳动力、贴现因子、消费的边际效用弹性、全要素生产率、资本存量、劳动输入、气候损害、减排成本和资本弹性;
所述排放参数包括工业排放量、减排系数和碳浓度水平;
所述碳循环参数包括大气层,海平面和生物圈中的碳转换率和大气层,海平面和生物圈自身及两两相互转换的碳转换率;
温度参数包括平面上、下的平均温度和外生效应。
优选地,将预测评估结果进行处理以文字、图表或图片的形式显示。
另一方面,本发明提供一种大气中碳浓度和温度的变化趋势预测装置,包括:
获取模块,用于获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度;
处理模块,用于根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果;
显示模块,用于将预测评估结果进行显示。
优选地,所述显示模块,具体用于将预测评估结果进行处理以文字、图表或图片的形式显示。
由上述技术方案可知:
本发明提供的一种大气中碳浓度和温度的变化趋势预测方法及装置,通过在预测参数数据中增加消费者关注参与度这个不确定性因素后,并采用动态不确定性气候经济学模型对数据进行分析处理,获得预测评估结果,并将预测评估结果以文字、图标或图片的形式进行显示,使预测结果较之先前的预测更加准确。
附图说明
图1为本发明实施例1供的大气中碳浓度和温度的变化趋势预测方法的流程示意图;
图2为本发明实施例2供的大气中碳浓度和温度的变化趋势预测装置的结构示意图;
图3为本发明实施例所述的大气碳浓度变化趋势示意图;
图4为本发明实施例所述的大气温度变化趋势示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1示出了本发明实施例1提供一种大气中碳浓度和温度的变化趋势预测方法,包括:
S11、获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度。在本步骤中,需要说明的是,所述预测参数数据为本发明实施例中在预测过程中所需的任何数据,获取数据的方法包括很多,如通过仪器获取、通过统计获取等等。在此不再赘述。
所述人口与技术参数包括表示人均消费、劳动力、贴现因子、消费的边际效用弹性、全要素生产率、资本存量、劳动输入、气候损害、减排成本和资本弹性;
所述排放参数包括工业排放量、减排系数和碳浓度水平;
所述碳循环参数包括大气层,海平面和生物圈中的碳转换率和大气层,海平面和生物圈自身及两两相互转换的碳转换率;
温度参数包括平面上、下的平均温度和外生效应,外生效应指的是,除二氧化碳以外的温室气体所带来的辐射效应,因为这些温室气体浓度相对较小,产生的效应也就相对较弱。
S12、根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果。在本步骤中,需要说明的是:
根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果,包括:
根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果;
根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果;
其中,所述动态整合不确定性气候经济学模型包括温度变化预测模型和碳循环预测模型。
(1)根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率。
(2)根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率;
根据温度参数和碳浓度量采用公式
F(t)=η{log2[MAT/MAT(t)]}+FEX计算获得温室气体的总辐射效应值,其中,F(t)表示温室气体的总的辐射效应,MAT表示大气中的碳浓度,MAT(a)表示第t年的碳浓度,FEX表示外生效应;
根据温度参数和总辐射效应值采用公式
TAT(t)=TAT(t-1)+ξ1{F(t)–ξ2TAT(t-1)–ξ3[TAT(t-1)-TLO(t-1)]};
TLO(t)=TLO(t-1)+ξ4[TAT(t-1)-TLO(t-1)]}计算获得大气温度值,其中,F(t)表示温室气体的总的辐射效应,TAT(t)和TLO(t)分别表示海平面上、下的平均温度,t为年限。
为了工业排放量,因此在获得工业排放量之前,需要:
根据人口和技术参数和预设消费者关注参与度采用公式计算获得社会福利总值和人均效用值,其中,W为社会福利总值,C表示人均消费,L表示劳动力,R表示贴现因子,β为预设的消费者关注参与度,α表示消费的边际效用弹性,为人均效用。
根据人口与技术参数采用公式计算获得净输出值,其中,Q表示净输出,以柯布道格拉斯生产函数为基础,A表示全要素生产率,K表示资本存量,L表示劳动输入,Λ表示气候损害,Ω表示减排成本,γ表示资本弹性。
通过上述模型对预测数据的处理,可获得预测评估结果。
S13、将预测评估结果进行显示。在本发明实施例中可将预测评估结果进行处理以文字、图表或图片的形式显示。
以图3和图4示出的大气碳浓度和温度变化趋势示意图,可以得知:相对较低的曲线为采用本发明所述预测方法获得的预测曲线图,相对较高的为采用现有方法获得的预测曲线图。
本发明实施例所述的一种大气中碳浓度和温度的变化趋势预测方法,通过在预测参数数据中增加消费者关注参与度这个不确定性因素后,并采用动态不确定性气候经济学模型对数据进行分析处理,获得预测评估结果,并将预测评估结果以文字、图标或图片的形式进行显示,使预测结果较之先前的预测更加准确。
图2示出了本发明实施例2提供一种大气中碳浓度和温度的变化趋势预测装置,包括获取模块、处理模块和显示模块,其中;
获取模块21,用于获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度。
处理模块22,用于根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果。
显示模块23,用于将预测评估结果进行显示。具体用于将预测评估结果进行处理以文字、图表或图片的形式显示。
本发明实施例所述的获取模块获取预测参数数据后发送给处理模块,所述处理模块根据预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果,并控制显示模块将预测评估结果以文字、图标或图片的形式进行显示。
本实施例所述装置与上述实施例所述方法的工作原理相同,故在此不再赘述。
本发明实施例所述的一种大气中碳浓度和温度的变化趋势预测装置过在预测参数数据中增加消费者关注参与度这个不确定性因素后,并采用动态不确定性气候经济学模型对数据进行分析处理,获得预测评估结果,并将预测评估结果以文字、图标或图片的形式进行显示,使预测结果较之先前的预测更加准确。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行 限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种大气中碳浓度和温度的变化趋势预测方法,其特征在于,包括:
获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度;
根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果;
将预测评估结果进行显示。
2.根据权利要求1所述的方法,其特征在于,根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果,包括:
根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果;
根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果;
其中,所述动态整合不确定性气候经济学模型包括温度变化预测模型和碳循环预测模型。
3.根据权利要求2所述的方法,其特征在于,根据所述预测参数数据采用温度变化预测模型计算获得温度预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平,A表示全要素生产率,K表示资本存量,L表示劳动输入,γ表示资本弹性;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率;
根据温度参数和碳浓度量采用公式
F(t)=η{log2[MAT/MAT(t)]}+FEX计算获得温室气体的总辐射效应值,其中,F(t)表示温室气体的总的辐射效应,MAT表示大气中的碳浓度,MAT(a)表示第t年的碳浓度,FEX表示外生效应;
根据温度参数和总辐射效应值采用公式
TAT(t)=TAT(t-1)+ξ1{F(t)–ξ2TAT(t-1)–ξ3[TAT(t-1)-TLO(t-1)]};
TLO(t)=TLO(t-1)+ξ4[TAT(t-1)-TLO(t-1)]}计算获得大气温度值,其中,F(t)表示温室气体的总的辐射效应,TAT(t)和TLO(t)分别表示海平面上、下的平均温度,t为年限。
4.根据权利要求2所述的方法,其特征在于,根据所述预测参数数据采用碳循环预测模型计算获得碳循环预测评估结果,包括:
根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量,其中,EInd表示工业排放量,μ表示减排系数,σ表示碳浓度水平;
根据碳循环参数和工业排放量采用公式
计算获得大气中的碳浓度量,其中,E表示工业排放量,j表示AT、UP、LO,依次为大气层,海平面和生物圈中的碳浓度,表示大气层,海平面和生物圈之间的碳转换率,表示大气层,海平面和生物圈自身及两两相互转换的碳转换率。
5.根据权利要求3所述的方法,其特征在于,在根据排放参数采用公式EInd=σ[1-μ]AKγL1-γ计算获得工业排放量之前,根据人口与技术参数采用公式计算获得净输出值,其中,Q表示净输出,以柯布道格拉斯生产函数为基础,A表示全要素生产率,K表示资本存量,L表示劳动输入,Λ表示气候损害,Ω表示减排成本,γ表示资本弹性。
6.根据权利要求4所述的方法,其特征在于,还包括:在根据人口与技术参数采用公式计算获得净输出值之前,根据人口和技术参数和预设消费者关注参与度采用公式和计算获得社会福利总值和人均效用值,其中,W为社会福利总值,C表示人均消费,L表示劳动力,R表示贴现因子,β为预设的消费者关注参与度,α表示消费的边际效用弹性,为人均效用。
7.根据权利要求1-6中任一权利要求所述的方法,其特征在于,
所述人口与技术参数包括表示人均消费、劳动力、贴现因子、消费的边际效用弹性、全要素生产率、资本存量、劳动输入、气候损害、减排成本和资本弹性;
所述排放参数包括工业排放量、减排系数和碳浓度水平;
所述碳循环参数包括大气层,海平面和生物圈中的碳转换率和大气层,海平面和生物圈自身及两两相互转换的碳转换率;
温度参数包括平面上、下的平均温度和外生效应。
8.根据权利要求1所述的方法,其特征在于,将预测评估结果进行处理以文字、图表或图片的形式显示。
9.一种大气中碳浓度和温度的变化趋势预测装置,其特征在于,包括:
获取模块,用于获取预测参数数据,所述预测参数数据包括人口与技术参数、排放参数、碳循环参数、温度参数,以及预设的消费者关注参与度;
处理模块,用于根据所述预测参数数据采用动态整合不确定性气候经济学模型计算获得预测评估结果;
显示模块,用于将预测评估结果进行显示。
10.根据权利要求9所述的装置,其特征在于,所述显示模块,具体用于将预测评估结果进行处理以文字、图表或图片的形式显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610258491.9A CN105956688A (zh) | 2016-04-22 | 2016-04-22 | 大气中碳浓度和温度的变化趋势预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610258491.9A CN105956688A (zh) | 2016-04-22 | 2016-04-22 | 大气中碳浓度和温度的变化趋势预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105956688A true CN105956688A (zh) | 2016-09-21 |
Family
ID=56916020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610258491.9A Pending CN105956688A (zh) | 2016-04-22 | 2016-04-22 | 大气中碳浓度和温度的变化趋势预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956688A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016095A (zh) * | 2017-04-07 | 2017-08-04 | 北京理工大学 | 基于多源碳数据的气候变化综合评估方法 |
CN110411972A (zh) * | 2019-08-30 | 2019-11-05 | 中国科学院大学 | 一种同时检测气体中总挥发性有机污染物和非甲烷总烃浓度的方法 |
-
2016
- 2016-04-22 CN CN201610258491.9A patent/CN105956688A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016095A (zh) * | 2017-04-07 | 2017-08-04 | 北京理工大学 | 基于多源碳数据的气候变化综合评估方法 |
CN107016095B (zh) * | 2017-04-07 | 2021-06-15 | 北京理工大学 | 基于多源碳数据的气候变化综合评估方法 |
CN110411972A (zh) * | 2019-08-30 | 2019-11-05 | 中国科学院大学 | 一种同时检测气体中总挥发性有机污染物和非甲烷总烃浓度的方法 |
CN110411972B (zh) * | 2019-08-30 | 2021-11-30 | 中国科学院大学 | 一种同时检测气体中总挥发性有机污染物和非甲烷总烃浓度的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kapetanakis et al. | Input variable selection for thermal load predictive models of commercial buildings | |
CN108701274B (zh) | 一种城市小尺度空气质量指数预测方法与系统 | |
CN103853106B (zh) | 一种建筑能源供应设备的能耗预测参数优化方法 | |
CN104254848B (zh) | 动态离群值偏倚减少系统和方法 | |
Moonchai et al. | Short-term forecasting of renewable energy consumption: Augmentation of a modified grey model with a Kalman filter | |
Visser et al. | Identifying key sources of uncertainty in climate change projections | |
CN105740991B (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
CN108108836A (zh) | 一种基于时空深度学习的臭氧浓度分布预测方法和系统 | |
US20170124466A1 (en) | System, Method and Cloud-Based Platform for Predicting Energy Consumption | |
CN106779223A (zh) | 一种光伏系统发电功率实时预测方法及装置 | |
CN111538957B (zh) | 大气污染物来源贡献度的获取方法、装置、设备及介质 | |
US20170371073A1 (en) | Prediction apparatus, prediction method, and non-transitory storage medium | |
JP2009294969A (ja) | 需要予測方法および需要予測装置 | |
CN107884511A (zh) | 用于预测室内空气质量的设备和方法 | |
CN103310051A (zh) | 一种全寿命周期内的车载信息终端故障率预测方法 | |
CN112381673B (zh) | 一种基于数字孪生的园区用电信息分析方法及装置 | |
CN112362816A (zh) | 一种基于观测数据的臭氧来源分析方法及装置 | |
Tai et al. | Cycle time estimation for semiconductor final testing processes with Weibull-distributed waiting time | |
CN112801422B (zh) | 数值模型和线性规划模型相结合的大气污染协同控制方法 | |
CN109754122A (zh) | 一种基于随机森林特征提取的bp神经网络的数值预测方法 | |
Viner | A qualitative assessment of the sources of uncertainty in climate change impacts assessment studies | |
CN105956688A (zh) | 大气中碳浓度和温度的变化趋势预测方法及装置 | |
Sözer et al. | Predicting the indoor thermal data for heating season based on short-term measurements to calibrate the simulation set-points | |
CN114217025B (zh) | 评估空气质量浓度预测中气象数据对其影响的分析方法 | |
CN111598460A (zh) | 土壤重金属含量的监测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160921 |