عنوان پایان‌نامه
پیش بینی آلودگی زیست محیطی co۲ با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی ایران)
- رشته تحصیلی
- علوم اقتصادی-اقتصادمحیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1309;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 48374
- تاریخ دفاع
- ۲۶ بهمن ۱۳۸۹
- دانشجو
- محمد سلیمان نیاقوجه بیگلو
- چکیده
- هدف اصلی این تحقیق پیش بینی انتشار دی اکسید کربن سالهای 2012-2008 برای کشور ایران می باشد. در این مطالعه از مدلSTRIPAT برای تبیین متغیرهای تاثیر گذار بر انتشار دی¬ اکسید کربن استفاده شده است. از آنجایی که تکنیک شبکه های عصبی مصنوعی ابزاری قدرتمند برای پیش بینی متغیرهای اقتصادی و محیط زیستی است از شبکه عصبی چند لایه (MLP) به منظور پیش بینی انتشار دی اکسید کربن در ایران استفاده شده است. برای بدست آوردن مدل بهینه شبکه عصبی که بهترین کارکرد را در پیش بینی انتشار دی اکسید کربن ایران از خود نشان دهد، شبکه عصبی مصنوعی با روش توقف زود هنگام در 10 حالت مختلف آموزش داده شده است و نتایج شبکه در سه بخش دقت، خوبی برازش و تعمیم پذیری با هم مقایسه گردیده و شبکه بهینه برای پیش بینی مشخص گردیده است. پیش بینی انتشار دی اکسید کربن در 4 سناریو انجام شده است. سناریو سازی فوق بر مبنای هدف چشم انداز جمهوری اسلامی مبنی بر کاهش شدت انرژی صورت گرفته است. نتایچ پیش بینی برای سالهای 2012-2008 در هر چهار سناریو، نوسانU شکلی را برای این دوره نشان می دهد. در هر چهار سناریو این اتفاق می افتد با این تفاوت که هر چه رشد درآمد سرانه بیشتر باشد میزان انتشار دی اکسید کربن نیز بالاتر خواهد رفت. پیش بینی انتشار دی اکسید کربن در سناریو اول و دوم(رشد اقتصادی 5/0 و 5/1 درصدی)، نشان می دهد که میزان انتشار دی اکسید کربن تا انتهای سال 2012 کمتر از ماکزیمم قبلی خود (سال 2007) خواهد بود. در سناریو سوم و چهارم(رشد اقتصادی 5/2 و 5/3 درصدی) میزان انتشار دی اکسید کربن برای سال 2012 از میزان ماکزیمم مشاهده شده (سال 2007) بیشتر خواهد بود. نتایج پیش بینی حاکی از آنست که در صورت تداوم رشدهای خیلی پایین اقتصادی در کنار کاهش شدت انرژی، شاهد کاهش میزان انتشار دی اکسید کرین (نسبت به سال 2007) تا انتهای سال 2012 خواهیم بود.روند پیش بینی شده حاکی از آنست که که انتشار دی اکسید کربن از روند به شدت صعودی خود فاصله گرفته و هموارتر می شود که در نتیجه تلاش برای افزایش کارایی انرژی می باشد.
- Abstract
- The main purpose of this thesis is to forecast the CO2 emission between 2008 - 2012 in Iran. The STRIPAT model has been used for explaining the effective variables on CO2 emission. Since artificial neural network technique is a powerful tool for forecasting economic and environmental variables, the multilayer preceptron has been used for forecasting CO2 emission in Iran. To obtain optimal neural network which has the best performance in forecasting CO2 emission in Iran, artificial neural network with early stopping method has been trained in 10 different states, and the results of the network has been compared in 3 areas namely, accuracy, fitting and generalization ability, and optimal network identified for forecasting. Forecasting of CO2 emission has been done in 4 scenarios. Scenario making has been done according to objective perspective of the Islamic Republic's in reducing energy intensity. The results of for 2008-2012 in all scenarios declare the U shape swing for this period. This is applicable for all scenarios, and any difference is that: but, the more growth in per capita income, the more CO2 emission. Forecasting of CO2 emission in first and 2nd scenarios (.5% and 1.5%) declares that CO2 emission will be less than its previous maximum (2007) till the end of 2012. In 3rd and forth scenarios (2.5% and 3.5% growth) the emission of CO2 for 2012 will be lower than the observed maximum (2007). Results of the forecast declares that continuing in low economic growth along with reduction in energy intensity, results in reduction of CO2 emission till the end of 2012 . The forecasted trend suggests that the emission of CO2 is not in its extremely ascending trend and will be smoother which leads to more attempts for increasing energy efficiency. Key words: Estimation, CO2 emission, energy intensity, growth, STRIPAT model, artificial neural network
