主成分分析在碳排放中的应用被引量：2

下载PDF

导出

摘要近年来我国的碳排放量逐年增加,导致碳排放量增加如此迅速的原因究竟是什么呢,本文利用主成分分析对影响碳排放量的变量进行了研究,最终得出社会经济,基础设施,人们的出行方式以及当地的科技发展情况是影响碳排放的主要因素。因此我们要根据相关因素来制定相应的方法,减少碳排放,保护环境。

作者胡航英

机构地区浙江万里学院

出处《纳税》 2019年第20期295-296,共2页 Tax Paying

关键词主成分分析碳排放影响因素

分类号 X321 [环境科学与工程—环境工程]

引文网络
相关文献

参考文献4

1马金玲,刘永红,李丽,姚岢,曾雪兰,戴剑军.基于主成分分析法的城市客运交通碳排放影响因素研究[J].环境污染与防治,2018,40(10):1188-1192. 被引量：16
2赵亚亚..基于主成分分析的Laplace变换降维及其应用[D].兰州大学,2018:
3贺红兵..我国碳排放影响因素分析[D].华中科技大学,2012:
4陈志芳.基于主成分回归的我国碳排放量影响因素分析[J].经济论坛,2012(6):96-98. 被引量：2

二级参考文献18

1曲艳敏,白宏涛,徐鹤.基于情景分析的湖北省交通碳排放预测研究[J].环境污染与防治,2010,32(10):102-105. 被引量：16
2苏方林,宋帮英,侯晓博.广西碳排放量与影响因素关系的VAR实证分析[J].西南民族大学学报（人文社会科学版）,2010(9):140-144. 被引量：22
3杨桂元,李璐.影响我国碳排放量因素分析与低碳经济的路径选择[J].科技和产业,2011,11(1):71-76. 被引量：9
4简晓英,何民.基于低碳模式下的城市交通结构优化模型研究[J].科学技术与工程,2011,11(7):1623-1627. 被引量：14
5蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学,2011,33(4):597-604. 被引量：209
6黄莹,廖翠萍,赵黛青.基于情景分析法的广东交通运输节能减排潜力研究[J].开放导报,2011(4):40-43. 被引量：15
7苟少梅,王长建,张利,乔梦梦,王璀蓉,王强.1990―2010年广东省能源消费的碳排放驱动因素分析[J].热带地理,2012,32(4):389-394. 被引量：16
8高标,许清涛,李玉波,何欢.吉林省交通运输能源消费碳排放测算与驱动因子分析[J].经济地理,2013,33(9):25-30. 被引量：38
9郭少康.基于LMDI的广东省碳排放影响因素分解研究[J].资源开发与市场,2013,29(11):1141-1144. 被引量：2
10程晓梅,刘永红,陈泳钊,黄建彰,黄晶.珠江三角洲机动车排放控制措施协同效应分析[J].中国环境科学,2014,34(6):1599-1606. 被引量：20

共引文献16

1任毅龙,林源,曲桂娴,鹿应荣,于海洋,张子洋.智能车路系统交叉口的层级解耦及测评要素提取研究[J].中国基础科学,2021(1):51-56.
2孙素珍,陈志东.新生儿药物撤退综合征30例临床分析[J].山西妇幼卫生,2000,11(1):19-19.
3宋金昭,刘兵,王晓平,胡振.中国产业部门碳排放传导机制研究[J].环境污染与防治,2019,41(10):1245-1250. 被引量：8
4全春光,程晓娟,戴恩勇,娄水芝.我国物流业低碳发展现状与对策分析[J].物流技术,2019,38(11):1-6. 被引量：7
5张仁杰,董会忠,韩沅刚,李旋.能源消费碳排放的影响因素及空间相关性分析[J].山东理工大学学报（自然科学版）,2020,34(1):33-39. 被引量：7
6黄羿,常向阳.低碳经济与交通运输业发展——基于国家中心城市数据的实证研究[J].社会科学家,2019,0(11):67-73. 被引量：7
7吕天宇,曾晨,刘泽瑾,杨婧.空间互动视角下CO2排放驱动因素及溢出效应——基于全球98个国家的数据分析[J].生态学报,2020,40(24):8974-8987. 被引量：11
8聂智磊,季小妹,陈建.济南交通拥堵影响因素分析及对策[J].城市公共交通,2021(11):32-37.
9李艳红,王安宇,杨东.基于LMDI与国际类比组合法的我国交通运输行业碳排放驱动因素及减排潜力[J].交通运输研究,2022,8(4):36-45. 被引量：3
10赵盼月,郭婷婷,陈曦,杨鑫.成都市碳排放量的影响因素分析[J].能源与节能,2022(10):1-4. 被引量：2

同被引文献15

1郭连军,王智静,牛成俊,任保山,赵维清,朱勇,许丹华.爆破优化的神经网络模型[J].工程爆破,1996,2(2):11-15. 被引量：20
2谷琼,蔡之华,朱莉,黄波,杜均.一种基于PCA的GEP算法及在采煤工作面瓦斯涌出量预测中的应用[J].应用基础与工程科学学报,2007,15(4):569-577. 被引量：9
3张艺峰,姚道平,谢志招.基于BP神经网络的爆破振动峰值及主频预测[J].工程地球物理学报,2008,5(2):222-226. 被引量：24
4于洋,张振文,于孔超.基于人工神经网络的大海则煤矿单井矿井水定量预测[J].科技创新导报,2009,6(19):100-101. 被引量：2
5陈翰新,吴明生.大跨度隧道施工爆破地震波监测及减震措施[J].交通科技与经济,2010,12(4):96-99. 被引量：3
6李松,汪圣利.基于BP神经网络的雷达点迹分类方法[J].现代雷达,2018,40(12):52-56. 被引量：10
7李新,曹鹏飞.基于BP神经网络与经验公式法的地下洞室爆破振速预测及对比研究[J].甘肃水利水电技术,2016,52(2):12-15. 被引量：3
8施建俊,李庆亚,张琪,卫星,王辉.基于Matlab和BP神经网络的爆破振动预测系统[J].爆炸与冲击,2017,37(6):1087-1092. 被引量：26
9王斌,张迅,盛津芳,陈新,史秀志.优化的GEP算法在爆破振动预测中的应用[J].计算机工程与应用,2016,52(22):212-217. 被引量：4
10官林海.地面情报雷达点迹过滤技术研究[J].电子技术与软件工程,2018(17):119-121. 被引量：3

引证文献2

1赵红梦,姜志侠.PCA-BP算法在地面爆破振动中的应用[J].工程爆破,2020,26(5):30-35. 被引量：2
2赵红梦,王刚,丁智青.基于图像特征提取的雷达点迹识别方法[J].空天预警研究学报,2023,37(4):274-278.

二级引证文献2

1张博峰.基于PCA与BP神经网络的滚动轴承故障诊断[J].内燃机与配件,2021(11):131-132. 被引量：3
2范勇,裴勇,杨广栋,冷振东,卢文波.基于改进PSO-BP神经网络的爆破振动速度峰值预测[J].振动与冲击,2022,41(16):194-203. 被引量：29

1本刊.液化空气集团加速发展氢能业务[J].气体分离,2019,0(4):41-43.
2柳婷玉.装配式建筑施工管理中BIM技术的应用[J].信息周刊,2019(41):0018-0018.
3吴晔盛,刘启,曹杰,李凯,程广贵,张忠强,丁建宁,蒋诗宇.收集振动能的摩擦纳米发电机设计与输出性能[J].物理学报,2019,68(19):13-20. 被引量：15

纳税

2019年第20期

浏览历史

内容加载中请稍等...

主成分分析在碳排放中的应用被引量：2

参考文献4

二级参考文献18

共引文献16

同被引文献15

引证文献2

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

主成分分析在碳排放中的应用 被引量：2

参考文献4

二级参考文献18

共引文献16

同被引文献15

引证文献2

二级引证文献2

相关作者

相关机构

相关主题

浏览历史

主成分分析在碳排放中的应用被引量：2