عنوان پایان‌نامه
بررسی عوامل موثر اقتصادی و زیست محیطی بر گرمایش جهان و بررسی اقتصادی تغییرات رفاه ناشی از آن
- رشته تحصیلی
- علوم اقتصادی-اقتصادمحیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1231;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45024
- تاریخ دفاع
- ۲۹ تیر ۱۳۸۹
- دانشجو
- عاطفه شاه آبادی فراهانی
- چکیده
- افزایش گازهای گلخانه ای و پدیده گرمایش جهانی ناشی از آن، تاثیر مهمی بر محیط زیست جهان داشته است. بطوریکه الگوهای آب و هوایی پیش بینی می کنند دمای جهان در سال 2100 در حدود 1 تا 3/5 درجه سانتیگراد افزایش خواهد یافت. این تغییر آب و هوایی بزرگترین تغییر در طول 1000 سال گذشته است. این تحقیق با هدف مدلسازی پدیده گرمایش جهانی و بررسی مهمترین عوامل موثر بر آن به روش مدلهای شبکه های GMDH انجام شده است. بدین منظور 16 متغیر به عنوان عوامل موثر بر گرمایش چهانی مورد بررسی قرار گرفته است. متغیرهای موجود به روش شبکه عصبی با الگوریتم GMDH طراحی و مدلسازی گردیده اند. الگوریتم GMDH قابلیت استفاده در موضوعات متنوعی چون کشف روابط، پیش‌بینی، مدلسازی سیستم‌ها،بهینه‌سازی وشناخت الگوهای غیرخطی را دارا می‌باشد. نکته حائز اهمیت در این الگوریتم استنتاجی، قابلیت شناسایی و غربال‌کردن متغیرهای کم‌اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه‌سازی در دوره آزمون می‌باشد. بدین ترتیب می‌توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم‌اثرتر را حذف نمود و نهایتاً مدل بهینه برای گرمایش جهانی را بر اساس معیارهای متداول خطا نظیر RMSE و MAPE و ... بدست آورد. بعلاوه، این الگوریتم قادر به شناسایی و رتبه‌بندی تأثیرگذارترین متغیرها نیز می‌باشد. لذا در این تحقیق، مدل جامعی که با16 متغیر ورودی برای پیش‌بینی درنظر گرفته شده بودتخمین زده شد و سپس الگوی بهینه گرمایش جهانی بدست آمد و نتایج حاصله نشان داد که شاخص های میزان انتشار دی اکسید کربن، میزان رشد جمعیت جهانی، میزان رشد اقتصادی، وقفه اول میزان رشد جمعیت جهانی و در اخر وقفه اول میزان تولید ناخالص داخلی ، تأثیر به مراتب بیشتری بر پدیده گرمایش جهانی نسبت به سایر متغیرهادارند. در انتهای تحقیق مسئله ارتباط بین پدیده گرمایش جهانی و رفاه مورد بررسی قرار گرفت.
- Abstract
- Increasing greenhouse gases and global warming phenomena caused by it, has had an important effect on the global environment. As weather patterns are predicted temperature in 2100 will increase about 1 to 5.3 ° C. this climate change is the biggest change during the past 1000 years. This study has been done with the models using GMDH networks for modeling and reviews the most important factors affecting global warming phenomenon. To this end, 16 variables as factors affecting heating have been studied. Existing variables have been design and modeling by using GMDH neural network algorithm. GMDH algorithm has capabilities in various topics such as relationship discovery, prediction, system modeling, and nonlinear optimization models. Important point in the inference algorithm is the ability to identify some less effective input variables in the network training and their elimination from the process is simulated in the test period. Thus a process of comparison can be done in several stages repeat, less effective variables can be removed and finally the optimum model for global warming achieved based on common criteria such as RMSE and MAPE error etc. In addition, this algorithm can identify and rank all the effective variables. Therefore, this research model is a comprehensive with 16 variable input for the prediction stimulated began and then Model global warming was achieved and the results showed that the volume of emissions of carbon dioxide, the rate of population growth worldwide, the rate of economic growth, World population growth rate of the first pause, and finally break the first level of GDP, far more effect on the phenomenon of global warming than other variables in the model. At the end of the research the problem of relationship between global warming phenomenon and welfare were examined.
