文献
J-GLOBAL ID:201902210874322832   整理番号:19A0916771

サポートベクトルマシンアルゴリズムにより最適化された灰色予測理論と極端学習機械に基づく北京-天津-河北地域におけるエネルギー消費に関連する炭素排出量の予測【JST・京大機械翻訳】

Forecasting Carbon Emissions Related to Energy Consumption in Beijing-Tianjin-Hebei Region Based on Grey Prediction Theory and Extreme Learning Machine Optimized by Support Vector Machine Algorithm
著者 (9件):
資料名:
巻: 11  号:ページ: 2475  発行年: 2018年 
JST資料番号: U7016A  ISSN: 1996-1073  CODEN: ENERGA  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: スイス (CHE)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
炭素排出と環境保全問題は,中国経済開発の間,国際社会から圧力をもたらした。最近,中国政府はGDPの単位当たりの炭素排出量が2005年と比較して6065%減少し,非化石燃料エネルギーが2030年までの一次エネルギー消費の20%を占めることを発表した。北京-天津-河北地域は中国における重要な地域エネルギー消費センターであり,そのエネルギー構造は典型的に石炭ベースであり,それは国全体に類似している。したがって,エネルギー消費関連炭素排出量の予測は,北京-天津-河北地域におけるエネルギー供給の排出削減と高度化に非常に重要である。そこで,本研究では,この地域における石炭,ガソリン,天然ガス,および石炭を含む炭素排出の主なエネルギー源を徹底的に分析した。第二に,サポートベクトルマシンのカーネル関数を,オリジナルの隠れ層と出力層の間の接続重み行列を最適化するために,極端な学習機械アルゴリズムに適用した。第3に,灰色予測理論を用いて,2017年から2030年までの地域における主要エネルギー消費を予測した。次に,2000~2016年のエネルギー消費と炭素排出量データをSVM-ELM(サポートベクトルマシン-極値学習機械)モデルのための訓練と試験セットとして使用した。SVM-ELMモデルの結果をSVM(サポートベクトルマシンアルゴリズム)とELM(極値学習機械)アルゴリズムの予測結果と比較した。SVM-ELMの精度はより高いことを示した。最後に,2017年から2030年までの地域における炭素排出量を予測するために,SVM-ELMモデルの入力としてGM(灰色予測理論)(1,1)の予測出力を用いた。結果は,エネルギー消費の割合が炭素排出量に大きく影響することを示した。電力と天然ガスのエネルギー消費は2030年までに45%に達し,地域における炭素排出量は96.0万トン以下に制御できることを見出した。したがって,産業構造の上昇を加速することは,次の段階における炭素排出量の制御における政府にとって重要な課題になるであろう。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
エネルギー利用と環境との関係 
引用文献 (34件):
もっと見る

前のページに戻る