《2014年江西省数学建模(共25页).doc》由会员分享，可在线阅读，更多相关《2014年江西省数学建模(共25页).doc（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上摘要全球气候变暖已经危及到人类未来的生存，的过度排放是造成气候变暖的主要原因，碳减排的任务已经迫在眉睫。本文主要研究对未来时期排放量的预测、基于联合国气候目标测算排放允许额度以及如何合理分配各国碳减排额度。针对问题一，由于已有碳排放数据量较少及预测期较短，选用灰色系统预测GM(1,1)模型预测出2030年及2050年碳排放数据。将原有数据及预测数据进行对比，拟合效果较好，印证了模型选择较适当。针对问题二，通过时序图分析了全球气温和排放量的变动趋势，发现二者均呈逐年上升趋势。对排放量与全球温度做平稳性及协整检验得出二者存在长期协整关系，故选用ECM模型来建立排放量与全球
2、温度关系，再根据该关系，基于联合国气候目标，限定温度增加值为2得出碳排放量允许增加值，进而预测出2030年及2050年碳排放允许额度，并与问题所预测值进行对比，得出按目前趋势联合国气候变化目标不能达到的结论。针对问题三，目前基于“生产者负责原则”测算的各国碳排放数据，有失公允，发达国家可能在采取减排措施的时候将国内一些高耗能产品的生产转移到发展中国家，由于不同国家的能源利用率不同，尤其发展中国家能源利用率较低，且碳排放强度较高，由“生产者负责原则”衍生的“碳泄漏”现象虽然能够减少发达国家本国国内碳排放总量，却会使全球碳排放总量增加。故应对此原则有所调整，首先建立投入产出模型测算出一国各部门的完
3、全排放系数，从而求得进出口产品的单位碳排放强度，其次算出该国国内需求碳排放量及其净转移量，在测算分配到各国的碳排放允许额度时根据各国净转移量这一因素进行调整，从而为各个国家分配碳减排量提供可行的解决方案。【关键词】 碳减排 气候变暖 灰度预测 ECM模型 投入产出法 参赛队号：B目录1问题重述碳排放一直是造成全球气温上升的罪魁祸首。碳减排人人有责。据联合国的分析，过去的130年全球升温0.85，如果没有采取有效措施，世界正走向危险的温度上升中。而根据联合国的预测，有50%的机会可保持全球地表温度增加小于2C（联合国目标）。但按照目前的速度，这个限制将在2050年前就很快超过。因此碳减排的任务刻
4、不容缓。不过，对于碳排放权与碳减排责任的分配是国际政治博弈的主要任务，要想有效执行碳减排的任务，必须设计出一套较为公平合理的碳减排分配方案。对此，本文必须解决以下几个问题。拟合全球碳排放量的增长趋势：根据搜集到的历史年份数据通过拟合进而预测出未来年份的碳排放量的变化趋势；分析全球温度与碳排放量的关系：建立模型，探索全球温度与碳排放量的内在关系并确定为了实现联合国的目标所要完成的碳减排任务；将碳减排的任务合理公正地分配到各个国家。2 模型假设1将CO2排放量替代碳排放量2. 某一国进、出口的同类产品的单位碳排放强度相同。3.某一国家各部门间消耗单位能源所排放的相同。3 问题分析与求解3.1 问题
5、一 基于灰色系统预测GM(1,1)模型的排放量预测3.1.1 问题分析全球气候变暖已成为不争的事实，IPCC的报告中数据显示过去的130年全球升温0.85，报告还发出警告：如果再不加大减排力度，世界将走向危险的温度上升中。由图1.1可以看出，排放量随着时间的变化呈逐渐上升趋势，而排放量已经对温度上升造成了巨大影响，说明碳减排形势十分严峻。本文收集了1965-2012年的排放量数据，利用模型对数据的的分析去预测未来排放量趋势，从而对当前碳排放形势有个更好的把握。图1.1 排放量趋势图3.1.2 灰色系统预测GM(1,1)模型简介白色系统是指系统内部特征是完全已知的；黑色系统是指系统内部信息完全未
6、知的；而灰色系统是介于白色系统和黑色系统之间的一种系统，灰色系统其内部一部分信息已知，另一部分信息未知或不确定。灰色预测，是指对系统行为特征值的发展变化进行的预测，对既含有已知信息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化的、与时间序列有关的灰过程进行预测。尽管灰过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此得到的数据集合具备潜在的规律。灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。碳排放量一方面受到大自然生态运行规律的影响，另一方面对于未来各国不确定的环境政策也非常敏感，未来时期碳排放量可以视为一个灰过程来处理。而灰色系统预测模型适用于短中期问题
7、，并且需要的样本量不是很多，这些特点与所要解决的问题及现有的数据都很吻合，这也是我们选择灰色系统预测模型的原因。目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型。它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律。因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的。a) 灰色系统预测GM(1,1)模型的一般形式设有变量X(0)X(0)(i)，i=1,2，.，n为某一预测对象的非负单调原始数据列，为建立灰色预
8、测模型：首先对X(0)进行一次累加(1AGO, Acumulated Generating Operator)生成一次累加序列： X(1)X(1)(k)，k1，2，n其中 X(1)(k)X(0)(i) X(1)(k1)+ X(0)(k) (1) 对X(1)可建立下述白化形式的微分方程： 十u (2) 即GM(1,1)模型。 上述白化微分方程的解为(离散响应)： (1)(k+1)(X(0)(1) (3) 或 (1)(k)(X(0)(1) (4)式中：k为时间序列，可取年、季或月。b) 辩识算法记参数序列为, a,uT,可用下式求解:(BTB)-1BTYn (5) 式中:B数据阵；Yn数据列B (
9、6)Yn(X(0)(2), X(0)(3), X(0)()T （7）c) 预测值的还原由于GM模型得到的是一次累加量，kn+1,n+2,时刻的预测值，必须将GM模型所得数据(1)(k+1)(或(1)(k)经过逆生成,即累减生成(IAGO)还原为(0)(k+1)(或(0)(k)才能用。(1)(k)(0)(i)(0)(i)(0)()(0)()(1)(k)(0)(i)因为(1)(k-1)(0)(i)，所以(0)()(1)(k)(1)(k -1)。d) 灰色系统模型的检验 残差检验设原始序列为相应的预测模型模拟序列为残差序列为相对误差序列为对于，称为点的模拟相对误差，称为平均相对误差；称为平均相对精度
10、，为点的模拟精度，；给定，当且成立时，称模型为残差合格模型。 关联度合格模型检验设 为原始列, 为相应的模拟序列, 为 与 的绝对关联度, 若对于给定的,有，则称模型为关联度合格模型。小误差概率合格模型检验设为原始序列，为相应的模拟序列，为残差序列，则分别为的均值和方差；分别为残差的均值和方差。l) 称为均方差比值,对于给定的,当 时,称模型为均方差比合格模型;2) 称为小误差概率, 对于给定的 当时,称模型为小误差概率合格模型.以上三种方法都是通过对残差的考察来判断模型的精度.其中, 平均相对误差和模拟误差都要求越小越好, 关联度: 要求越大越好, 均方差比值C 越小越好以及小误差概率p 越
11、大越好.给定的一组取值, 就确定了检验模型模拟精度的一个等级. 常用的精度等级如表1所示, 可供检验模型参考.表1.1 精度检验等级参照表指标临界值精度等级相对误差关联度均方差比值小误差概率一级0.010.900.350.95二级0.050.800.500.50三级0.100.700.650.70四级0.200.600.800.603.1.3 预测结果及分析现收集了1965-2012年的数据，采用GM(1,1)对其进行预测，数据如表1.2。表1.2 1965-2012年二氧化碳排放量年份CO2排放量（百万吨）年份CO2排放量（百万吨）年份CO2排放量（百万吨）196511689.3619811
12、9074.49199724340.21196612284.89198218909.61199824445.19196712670.47198319076.28199924819196813361.51198419864.72200025463.36196914174.82198520303.26200125668.75197014983.88198620725.02200226150.15197115464.81198721380.99200327323.09197216224.95198822087.06200428760.07197317119.93198922501.4200529652
13、.04197417044.85199022587.15200630523.98197517074.95199122554.58200731446.27197618005.47199222638.04200831772.21197718595.05199322646.56200931460.35197819049.12199422935.03201033040.63197919651.57199523432.76201134032.75198019331.29199624014.39201234466.08通过R软件分析，预测结果如下：表1.3 预测结果2030年CO2排放量2050年CO2排放
14、量相对误差率关联度47011.5868568.960.0.由预测结果可知2030年碳排放量预测值为47011.58（百万吨），2050年碳排放量预测值为68568.96（百万吨）。此处用相对误差和关联度两种方法检验，相对误差为0.，精度等级为二级，关联度为0.，精度等级为一级，所以该模型有较好的预测精度。利用R软件将原数据与预测数据进行对比，结果如图：可见预测值与原数据拟合较好，灰色系统预测模型选用较合适。3.2 问题二 基于ECM模型对排放量与温度之间关系的研究3.2.1 问题分析要达到联合国“使全球变暖不超过2摄氏度”的气候变化指标，必须先对排放量与温度之间的关系有所了解，从而在温度的约束
15、下，分别预测出全世界2030及2050年的碳排放量。针对这一问题，首先利用1965-2012年全球温度数据及排放量数据建立模型，得出排放量与全球温度数据之间的长期趋势关系。然后，再通过将温度控制在2摄氏度这一约束条件，预测出排放量。最后，将预测出的排放量与第一问中预测出的排放量对比，提出合理的建议。基于以上分析、理解，我们对问题二做如下求解。3.2.2 排放量与温度的描述性分析由于排放量与全球温度的单位及数量级存在差异，故在建模之前，首先对排放量和全球温度的时序数据标准化，分别记为和。图3.1 排放量和全球温度的时序图从排放量和全球温度的时序图可以发现，和均随时间发展呈现出指数上升的趋势，即当
16、排放量上升时，全球温度基本上以和它同样的速率上升，且从时序图可以看出排放量和全球温度大概呈正相关。3.2.3 ECM模型的建立与求解由图3.1可以看出排放量及温度均呈现很强的上升趋势，由此可初步判断和为非平稳时间序列。由于AR(p)、MA(q)和ARMA(p,q)三个模型只适用于刻画平稳序列的自相关性。一个平稳序列的数字特征，如均值、方差和协方差等是不随时间的变化而变化的，时间序列在各个时间点上的随机性服从一定的概率分布。可以通过时间序列过去时间点上的信息，建立模型拟合过去信息，进而预测未来的信息。然而，对于一个非平稳时间序列而言，往往时间序列的某些数字特征是随着时间的变化而变化的，也就是说，
17、非平稳时间序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握时间序列整体上的随机性。因此，我们采用ECM模型对排放量和温度数据的关系进行分析。a) 平稳性检验由于建立ECM模型要求和进行相同步数的差分后序列分别平稳且协整，故在建模前首先对和进行平稳性检验。通过检验，得出和均为非平稳的时间序列，所以再对其分别进行相同阶数的差分。差分之后再对和进行单位根检验。表3.1 Augmented Dickey-Fuller Unit Root Test on DXO and DYODX0 t-Statistic DY0 t-Statistic DX0 P值 DY0 P值ADF test s
18、tatistic-4.-5.0.00070.0001Test critical values1%level-3.-3.5%level-2.-2.10%level-2.-2.从以上结果可以看出，和进行单位根检验时，二者的t统计量值都小于置信度为1%、5%、10%时的临界值，且二者的P值都远远小于0.05，因而不能接受原假设,说明和均为平稳的时间序列。b) 协整关系检验由第一步可以得出和序列虽然本身不是平稳序列，但进行一阶差分后，和均服从一阶单整，因此和是同阶差分平稳序列，可以做协整检验。所谓变量之间的协整关系，是指对一元线性回归后，模型的回归残差序列为平稳序列，当残差序列平稳时，可以避免产生两个
19、非平稳序列对之间的虚假回归，保证模型具有实际意义。首先，建立对的一元线性回归模型：回归得到序列，然后再对进行平稳性检验，其时序图和单位根检验结果分别见下图。图3.2 残差序列时序图表3.2 残差序列单位根检验时间序列ADF统计量P值-4.0.0004从时序图可以看出，残差序列在0附近波动，较为稳定。从单位根检验结果来看，ADF统计量很小，P值远远小于0.5，因而拒绝原假设，残差序列为平稳序列。由此可得，即序列与存在（1,1）阶协整。c) 建立与的误差修正模型根据Granger和Weiss在1983年提出的Granger表述定理，如果因变量与自变量之间存在协整关系，两者之间的关系可用误差修正模型
20、进行表述。因此可以用误差修正模型（ECM）来反映排放量与温度的长期变化关系，误差修正模型的结构如下：=+其中，=以为被解释变量，以和为被解释变量，得出结果如下：=0.65+ 0.5-0.7第四步，排放量的预测。由于残差序列在对进行一元线性回归前，做出均值为零的假设，则的均值也为零，所以在对排放量进行预测时，几乎可以忽略的影响。故根据拟合方程=0.65+ 0.5。以联合国到2100年全球地表温度增加小于2C的气候目标为标准，设定可以得到当为2时，为54450.79，即为达目标所能排放的量为54450.79（百万吨）。假设排放量在88年内以均值为618.795（百万吨）逐年增加，可预测出2030年
21、排放量为45603.74（百万吨），2050年排放量为57978.92（百万吨）。3.2.4 结果分析表3.3 排放量比较2030年2050年问题一所作预测47011.58 68568.96 问题二所作预测45603.74 57978.92 从表3.3可以看出，无论2030年还是2050年，第二问在控制温度上升为2度的情况下所作出的排放量预测均要比第一问中利用灰度预测模型所求出的值要小。由此说明，我们现有对排放量的控制力度并不够，按照现有的排放量增速，温度很有可能在2050年升高超过两度。因此，为了使温度上升速度减慢并达到联合国的减排目标，各国要在现有措施基础上进一步加大减排力度，使排放量增幅
22、下降，才能达到温度上升在2摄氏度以内的目标。3.3 问题三 碳减排的任务分配3.3.1 问题分析 众所周知，是造成气候变暖的主要原因，因此碳减排的任务迫在眉睫。但是，如何公平地分配各个国家碳减排的份额是实现联合国减排目标的关键。针对这个问题，需要解决以下几个难题：首先，利用投入产出法测算出各个国家第j部门进出口产品的单位碳排放强度，从而可以算出该部门总的进出口产品的隐含碳排放量；其次，算出该国实际的国内需求碳排放量；最后，根据得出的结论对联合国制定的碳减排目标对各国进行合理分配。3.3.2 模型建立与求解设为第l国的国内需求排放， 、分别为该国国内燃烧排放、出口以及进口产品的隐含碳排放。则：
23、(1) 由于不同产品所隐含的碳排放量差异较大，故此处参照国民核算的投入产出表中对各个国家进行分产业部门分析。假设共有个部门，记分别为第部门的进出口产品隐含碳排放。分别为第国第部门进、出口额；分别为第国第部门进、出口产品单位排放强度。则： (2)a) 的测算：由于主要是各部门在生产中使用煤和石油及天然气所排放的。以某一国为例，已知第s部门生产煤、第t 部门生产石油和天然气，为该国煤燃烧产生的排放量，为该国石油和天然气燃烧产生的排放。根据假设，各部门的排放量与其对煤及石油天然气等能源的消耗量成正比，因此可根据投入产出洗漱将该国的排放量按各部门消耗煤、石油和天然气的比例进行分配。记为该国的总产出向量
24、， 为最终产品向量，为直接消耗系数矩阵。根据投入产出行模型： （3）其中第部门消耗部门的产品数，分别表示部门的最终产品用于国内消费、国定资产形成、存货增加和出口的数量，表示部门当年的总产品数。产生的是（增加的能源存货当年不排放，出口的能源排放在国外），第部门的能源为。第部门的计算同理。则： （4）因此，第部门的直接排放系数为： （5）由,可得完全排放系数，也就得到该国各产业部门出口产品的碳排放强度：, （6）b) 的测算：本文已作出假设，对于进口产品的碳排放强度，由于具体数据难以搜集，故，为了简化，用m个国家该类产品的出口碳排放量强度均值替代。即：=（7）3.3.3各国在国际贸易中隐含碳排放的
25、分析结果a) 主要国家的国内产出单位碳排放强度。根据投入产出表以及各国排放数据，可以计算得到各国生产的最终产品的单位排放强度。为了便于比较，一国以美元计量的碳排放强度必然和该国对美元的汇率有关。市场汇率反映的仅仅是可贸易的商品和服务的价格转换关系，并不反应那些没有在国际市场上交易的产品和服务价格比例。而购买力平价汇率是一种根据各国不同的价格水平计算出来的货币之间的等值系数，一般而言，一国发展程度越高，其购买力平价汇率就越接近市场汇率，而对发展中国家，市场汇率往往被低估了。因此，我们利用购买力平价汇率进行了折算。从表1可以看出，各国最终产品的单位碳排放强度差异明显。总体情况是发达国家的最终产品单
26、位碳排放量较小，而发展程度不高的国家最终产品单位碳排放量较大。具体来看，单位排放强度最高的是俄罗斯，达到了2.1050吨/千美元。此外，中国的单位碳排放强度也较大，达到0.6988吨/千美元。这主要是因为俄罗斯和中国能源资源丰富，并且还未进行产业升级，以高耗能的产业为主导，再加上出口的规模大，因此单位排放强度较高。而印度和巴西的单位碳排放量比中国的低（与发达国家接近），分别为0.0629吨/千美元和0.2372吨/千美元，这是因为印度和巴西的购买力平价汇率很低，远远低于市场汇率。另外，美国和日本这两个发展程度高的发达国家单位碳排放量很低，分别为0.3073吨/千美元和0.2003吨/千美元。这
27、是因为发达国家已经完成产业转型，以产品的深加工和高科技产业为主。表3.1 各国（地区）最终产品的单位碳排放强度 单位：吨/千美元国家和地区按购买力平价美国0.3073中国0.6988日本0.2003俄罗斯2.1050巴西0.2372印度0.0629b) 各国内部需求排放和进、出口内涵碳排放。根据（2）式可以计算得到各国的进、出口产品内涵排放，再根据（1）式算得各国的内部需求排放（见表2）。各国进、出口产品内涵排放占当年国内燃烧排放的比例也见于表2中。从表2可以看出，各国进、出口贸易对碳排放影响是巨大的。总体来说，发达国家出口产品的碳排放量低于进口产品的碳排放量，为的净转出国，例如美国和日本；发
28、展中国家出口产品的碳排放量高于进口产品的碳排放量，为的净转进国，例如中国和俄罗斯等。这是因为发达国家通过国际出口贸易将高污染、高耗能以资源性行业转移到发展中国家，由发展中国家进行加工，再经过进口贸易购回半成品或成品进行深加工，减少了本国的碳排放，增加了发展中国家的碳排放。（见下表）表3.2 各国（地区）的国内需求排放和进、出口碳排放 单位：百万吨国家和地区内部需求的出口产品的出口排放所占比例（%）进口产品的进口排放所占比例（%）的净转移美国5472.6520.889.521209.222.10-688.32中国4000.41790.6444.76460.2211.501330.42日本1034
29、.6172.8816.71408.0439.44-235.16俄罗斯1408.3899.0163.8490.966.46808.05巴西298.8686.6428.9948.1216.1038.52印度1268.5182.4314.38100.567.9381.87各国责任分担分析：联合国现行的关于国际贸易中产生的碳排放量是按照“生产者负责制”来分担的，但是在这种负责制下,如果一个国家进口会产生污染排放的产品来代替本国生产,那么该国家就会出现低污染排放水平;而另一国家却不得不为这部分出口产生的污染负责。故本文从“消费者负责制”角度来分析这一问题。在利用投入产出法分析后得到各国碳排放量的净转移情
30、况，认为消费者应该对产品生产过程中产生的碳排放(包括隐含碳排放)负责。在第二题中得出的减排任务的目标下，各国的减排任务要按照“消费者负责制”原则进行适当调整。一般是进口规模相对出口规模大的国家要多承担点然减排额度（如美国、日本）；而出口规模相对于进口规模大的国家可相应减少其减排压力（如中国和俄罗斯）。这样会相对更加公平,也可以避免发达国家将碳排放较高的产品转移到发展中国家,从而出现“碳泄漏”。但这种制度也有不足之处，例如生产者可能不会主动想办法减少碳排放,同时也可能会降低发展中国家创造清洁技术和减缓碳排放技术的积极性。4 模型的总结与改进碳排放量受影响因素很多，包括化石原料的燃烧，人口总量，经
31、济结构等。问题一可以同时建立神经网络模型对碳排放量做预测，与GM(1,1)模型进行对比分析，以取得更精确的结果。 问题二中对于碳排放量允许额的预测，有一个比较粗糙的假设：碳排放量以一个均值来增长，这样的操作使预测工作更简便，但结果就相对不精确了。可以通过碳排放量历年数据及问题二所得限额值拟合一条曲线得出相对应的预测值。 问题三由于数据有限以及处理方法的不完善，仅仅给出了思考路线，并没有测算出各国具体分配数额，可以试着找出各国数据以及根据合适的理由定出各国分配权重，从而得出结果为各国的减排任务提供更清晰的目标。参考文献1Elizabeth A. Wilman and Mahen S. Mahen
32、drarajah, Carbon Offsets, Land Economics,Vol.78,No.3(Aug,2002),pp.405-416.2Weyant J P. Costs of reducing global carbon emissionsJ. The Journal of Economic Perspectives, 1993: 27-46.3KurosawaA,YagitaH,ZhouW,etal.AnalysisofcarbonemissionstabilizationtargetsandadaptationbyintegratedassessmentmodelJ.The
33、EnergyJournal,1999,20(SpecialIssue):157-175.4高铁梅，2009：计量经济分析方法与建模，清华大学出版社，第177180页。5薛毅、陈立萍，2007：统计建模与R软件，清华大学出版社，第84138页。碳减排的研究报告全球气候变暖已经不是一个新鲜的话题，然而关于它的解决方法却从未被各国完全达成共识。联合国政府间气候变化专业委员会IPCC作为气候变化问题的一个较权威机构已经发布多份报告，其认为人类行为对全球气候变暖的影响达到95%。很显然，所谓的人类行为很大一部分是指人类过多的碳排放，许多权威机构的研究已经证实排放量与全球气温之间有很强的正相关性。为了控制
34、住全球气候变暖的严重局势，我们应该将相当大的关注点放在碳减排这一问题上。在我们的研究中，首先根据已有的1965年到2012年的全球排放量数据，建立灰色系统预测模型，得出2030年及2050年的世界排放量预测值，分别为47011.58（百万吨）、68568.96（百万吨）。然后，通过建立ECM模型得出排放量与全球温度之间的数量关系，并通过限定2012年至2100年温度增加值为2，得出为达到联合国气候目标“使全球变暖不超过2”所允许的排放量增加值以及相对应的2030年、2050年排放量允许额度预测值，2030年，2050年预测结果分别为45603.74（百万吨）、57978.92（百万吨）。由上述
35、分析结果可知，按照目前世界碳排放量增加的趋势，2030年及2050年碳排放量将超过允许的额度，而按照这一趋势的结果，我们达不到联合国的气候变化目标。 因此，碳减排已经刻不容缓，但是各国对于碳减排的具体责任分配一直有很大的争议，这也是为什么“碳减排常提，但温度还是一直上升”的一个很大原因。而争议的地方主要在于对于国际贸易所产生的碳排放量的分配。目前各国际机构包括IPCC给出的各国碳排放数据都是基于“生产者负责原则”来测算，即生产者应该为其生产商品过程中造成的污染支付费用，而不管该商品是服务于本国，还是出口到其他国家。而这种原则显然是有失公平的。在这种负责制下，如果一个国家进口高耗能产品来代替本国
36、生产，那么该国家就会出现低污染排放水平，而另一国家却不得不不为这部分出口产生的污染负责。针对几个典型国家：美国、日本、俄罗斯、印度、巴西、中国，我们通过建立投入产出模型测算出各国各产业部门碳排放强度，然后根据各国已有进出口额得出各国净转移量。结果如下表格所示：各国CO2净转移量国家美国中国日本俄罗斯巴西印度CO2净转移量（百万吨）-688.321330.42-235.16808.0538.5281.87由表格数据可知美国、日本为碳净转出国，而中国、俄罗斯、巴西、印度为碳净转入国。在排放量允许额度分配于各国的处理过程中，应该考虑净转移量这一因素，即“消费者负责原则”。然而碳减排早已不再是纯科学问
37、题，发达国家出于利益考虑并不赞同“消费者负责原则”，这也导致其实际意义很小。为此，可以考虑由生产者和消费者共同承担的原则来分配减排任务，其中最关键的又是双方权重问题，这需要各国冲破政治难关达成一致，并最终实现联合国的全球气候目标。附录一 1965-2012年排放量和温度数据年份CO2排放量（百万吨）温度（摄氏度）年份CO2排放量（百万吨）温度（摄氏度）年份CO2排放量（百万吨）温度（摄氏度）196511689.3613.9198119074.4914.28199724340.2114.46196612284.8913.96198218909.6114.09199824445.1914.6219
38、6712670.4713.99198319076.2814.2719992481914.41196813361.5113.95198419864.7214.12200025463.3614.41196914174.8214.06198520303.2614.08200125668.7514.53197014983.8814.04198620725.0214.15200226150.1514.62197115464.8113.93198721380.9914.29200327323.0914.61197216224.9514.02198822087.0614.35200428760.0714.5
39、2197317119.9314.16198922501.414.24200529652.0414.66197417044.8513.93199022587.1514.39200630523.9814.6197517074.9513.99199122554.5814.38200731446.2714.63197618005.4713.88199222638.0414.19200831772.2114.49197718595.0514.15199322646.5614.21200931460.3514.6197819049.1214.06199422935.0314.29201033040.631
40、4.67197919651.5714.12199523432.7614.43201134032.7514.55198019331.2914.23199624014.3914.33201234466.0814.58附录二 第一题程序（co2.csv见电子档）：#x表示原始数据数列，k表示数据个数gm11-function(x,k)n-length(x)x1-numeric(n);for(i in 1:n) #一次累加x1i-sum(x1:i);b-numeric(n)m-n-1for(j in 1:m)bj+1-(0.5*x1j+1+0.5*x1j) #紧邻均值生成Yn=t(t(x2:n) #构
41、造Yn矩阵B-matrix(1,nrow=n-1,ncol=2) B,1-t(t(-b2:n) #构造B矩阵A-solve(t(B)%*%B)%*%t(B)%*%Yn; #使用最小二乘法求得灰参数a,ua-A1;u-A2;x2-numeric(k);x21-x1;for(i in 1:k-1)x21+i=(x1-u/a)*exp(-a*i)+u/a;x2=c(0,x2);y=diff(x2); #累减生成，获得预测数据数列y#x1原始数据数列，x2是预测数据数列x1-xx2-gm11(x,length(x)#检验模型精度acc-function(x1,x2) n-length(x1); sum1=0; for(k in 2:n-1) sum1-sum1+(x1k-x11); s1-sum1+0.5*(x1n-x11); sum2=0; for(k in 2:n-1) sum2-sum2+(x2k-x21); s2-sum2+0.5*(x2n-x21); abs1-abs(s1) abs2-abs(s2) abs12-abs(s1-s2) ee-(1+abs1+abs2)/(1+abs1+abs2+abs12) eecarbon=read.table(co2.csv)