메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Wei Sun (North China Electric Power University) Jingyi Sun (North China Electric Power University)
저널정보
대한환경공학회 Environmental Engineering Research Environmental Engineering Research 제22권 제3호
발행연도
2017.9
수록면
302 - 311 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Nowadays, with the burgeoning development of economy, CO<SUB>2</SUB> emissions increase rapidly in China. It has become a common concern to seek effective methods to forecast CO<SUB>2</SUB> emissions and put forward the targeted reduction measures. This paper proposes a novel hybrid model combined principal component analysis (PCA) with regularized extreme learning machine (RELM) to make CO<SUB>2</SUB> emissions prediction based on the data from 1978 to 2014 in China. First eleven variables are selected on the basis of Pearson coefficient test. Partial autocorrelation function (PACF) is utilized to determine the lag phases of historical CO<SUB>2</SUB> emissions so as to improve the rationality of input selection. Then PCA is employed to reduce the dimensionality of the influential factors. Finally RELM is applied to forecast CO<SUB>2</SUB> emissions. According to the modeling results, the proposed model outperforms a single RELM model, extreme learning machine (ELM), back propagation neural network (BPNN), GM(1,1) and Logistic model in terms of errors. Moreover, it can be clearly seen that ELM-based approaches save more computing time than BPNN. Therefore the developed model is a promising technique in terms of forecasting accuracy and computing efficiency for CO<SUB>2</SUB> emission prediction.
#CO< #SUB> #2< #/SUB> # emissions prediction #Influential factors #PACF #PCA #Pearson coefficient test #RELM

목차

ABSTRACT
1. Introduction
2. Methodology
3. Approaches of PC-RELM Model
4. Input Selection
5. Experiment of CO2 Emission Prediction in China Based on RELM Model
6. Conclusions
References

참고문헌 (48)

참고문헌 신청
Jiang X, Zhu K, Wang S. The potential for reducing China's carbon dioxide emissions: Role of foreign-invested enterprises. Global Environ. Chang. 2015;35:22-30. Gurney KR. Global change: China at the carbon crossroads. Nature 2009;458:977-979. Holditch SA, Chianelli RR. Factors that will influence oil and gas supply and demand in the 21st century. MRS Bull. 2008;33:317-323. Longwell HJ. The future of the oil and gas industry: Past approaches, new challenges. World Energ. 1998;5:100-104. Say NP, Yucel M. Energy consumption and CO2 emissions in Turkey: Empirical analysis and future projection based on an economic growth. Energ. Policy 2006;34:3870-3876.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-539-001242385