低碳经济论文提纲

论文题目：中国低碳经济发展综合评价及前景预测研究

摘要：工业革命以来,世界各国的经济增长模式主要是高能耗、高消费的经济增长模式。在世界经济快速发展的同时,碳排放问题逐渐引起各国的关注。自低碳经济概念提出以来,世界各国积极寻找降低碳排放的途径并努力转换经济增长模式。越来越多的国家意识到低碳经济是协调社会经济发展和环境保护的有效途径,在全球气候变暖和能源匮乏的条件下,实行低碳经济是社会发展的必然选择。中国是能源消耗大国,以能源消耗推动经济增长的发展模式已经不能适应社会发展的要求。因此建立科学有效的低碳经济评价体系,测度中国低碳经济的发展阶段,据此提出推动低碳经济发展的针对性意见至关重要。本文选取了人均GDP、GDP增长率、碳排放总量、新能源消费总量占能源消费总量的比重、R＆D经费投入强度等22个对低碳经济有影响的代表性指标,以2008年-2018年的数据为基础构建了低碳经济发展指标评价体系,该体系包含经济发展、碳排放、能源消费、环境保护和科学发展5个子系统。在评价过程中:首先,利用熵值法对影响低碳经济发展的22个指标进行赋权并计算低碳经济发展的综合得分,根据综合得分情况测度低碳经济的发展阶段。其次,根据协调度模型和障碍度模型测度低碳经济发展各系统之间的协调度和各指标的障碍度,并测度了低碳经济体系内部的相关性。再次,利用BP神经网络模型对未来5年的低碳经济发展水平进行预测。最后,根据实证结果得出结论并提出发展低碳经济的针对性意见。研究结果表明:中国的低碳经济发展阶段从2008年的高碳经济发展到2018年的中低碳经济,低碳经济发展水平有了飞速的提升。研究期内,对低碳经济发展制约作用较强的五个指标指标分别是GDP增长率,新能源在能源消费总量中的占比、新能源在能源消费总量中的占比、人均碳排放和第三产业GDP占比。低碳经济发展各子系统的权重差异较大,经济发展子系统的权重最高,生态环境子系统的权重最低,综合得分也存在显著差异。低碳经济各子系统之间的协调度呈现上升趋势但波动性较大,各指标之间的障碍度逐年降低。预测结果显示,未来五年内我国的低碳经济发展综合得分持续升高,到2022年我国将进入低碳经济发展阶段。根据实证结果提出如下政策建议:（1）调整能源消费结构,提高能源利用率;（2）调整产业结构,积极发展低碳产业;（3）推进低碳创新,提高低碳技术水平;（4）完善低碳经济发展体制,营造低碳经济发展环境;（5）引导全民低碳消费,全面提升低碳经济发展水平;（6）优化各子系统之间的协调发展,提升系统协调度。本文的主要创新点:首先在子系统的划分上更加简洁明了,在指标的选取上更加具有代表性;其次在协调度和障碍度的测度上更加详细,不仅测度了各年份的协调度和障碍度还测度了各子系统间的协调度、各子系统的障碍度和各指标的障碍度。同时本文也存在以下不足:一方面,对于低碳经济发展综合评价国内外尚未提出统一的评价体系,本文根据研究内容和实际情况选取了 22个指标,但仍不能包含所有影响低碳经济发展的指标。另一方面,本文对于低碳经济的预测是基于低碳经济体系各影响因素不变的情况下进行的,若相关影响因素发生变化,则本文对低碳经济发展的预测是存在一定误差的。

关键词：低碳经济;熵值法;障碍度模型;BP神经网络

学科专业：应用统计（专业学位）

摘要

ABSTRACT

1 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外文献综述

1.2.1 国外文献综述

1.2.2 国内文献综述

1.2.3 国内外文献综评

1.3 研究内容与框架

1.3.1 研究内容

1.3.2 研究框架

1.4 研究方法、创新点与不足

1.4.1 研究方法

1.4.2 创新点

1.4.3 不足

2 中国低碳经济发展现状

2.1 低碳经济理论基础

2.1.1 低碳经济内涵

2.1.2 低碳经济发展引导机制

2.1.3 低碳经济的特征

2.1.4 低碳经济发展的要素

2.2 中国低碳经济发展现状

2.2.1 中国能源消费现状

2.2.2 低碳经济发展现状

2.2.3 低碳产业发展现状

3 中国低碳经济发展水平综合评价

3.1 指标体系构建

3.1.1 指标选取原则

3.1.2 指标评价体系的构建

3.2 评价方法

3.2.1 熵值法评价步骤

3.2.2 改进熵值法评价步骤

3.3 低碳经济发展综合评价过程

3.3.1 数据预处理

3.3.2 改进熵值法计算过程

3.4 低碳经济发展综合评价

3.4.1 综合评价分析

3.4.2 子系统评价分析

3.4.3 协调度分析

3.4.4 障碍度分析

4 低碳经济发展前景预测

4.1 BP神经网络理论基础

4.1.1 BP神经网络的构成

4.1.2 BP神经网络算法

4.1.3 BP神经网络的预测类型

4.1.4 BP神经网络的优点

4.2 BP神经网络预测步骤

4.3 利用BP神经网络的低碳经济预测

5 结论与建议

5.1 结论

5.2 建议

参考文献