基于BP神经网络的京、豫、桂碳税预测研究

发布时间：2019-08-28 21:59

【摘要】：碳税是针对二氧化碳排放量过多而征收的税,其目的是保护环境、减缓全球气候变暖。发达国家开征碳税的时间长、而且效果比较明显。随着中国由粗放型经济增长转型集约型、效益型经济增长,特别是发展低碳经济需要,开征碳税已经成为中国“十三五”发展规划的重要目标。但是,由于信息不对称、信息不完全,即信息偏在导致了中国碳税征收效应的争议,制度建设严重滞后于发达国家。目前国内针对中国碳税的虚拟仿真预测研究较少,因此,有必要应用BP神经网络计算出中国碳税的权值和阈值,并对典型地区的碳税征收效应进行研究。本文的主要工作如下:其一,以碳税征收理论、BP神经网络理论及方法奠定研究基础;其二,分析应用BP神经网络预测中国碳税的原理、步骤、可行性,设计BP神经网络结构、训练函数,搭建预测模型;其三,中国碳税预测模型的实现,选取碳排放强度(碳排放/地区GDP)和城镇居民对碳税的承受程度(碳税/城镇居民可支配收入)对碳税区域划分、分析碳税数据源特征;其四,基于BP神经网络的碳税征收效应及碳税预测,展示虚拟仿真结果。虚拟仿真出皖、京、沪、桂、浙、豫、湘七省市的碳税征收额,进一步模拟预测了2015-2020年东部发达地区——京、中部次发达地区——豫和西部大开发地区——桂三个典型省市的碳税税收情况。通过采用BP神经网络研究了地区GDP变化、城镇居民人均可支配收入变化与碳税额之间的关系,构建了虚拟仿真预测模型。研究表明,碳税的征收对地区GDP变化、地区城镇居民人均可支配收入变化没有直接影响作用。因此,碳税制度的建设应着眼于加强信息化建设,减少信息沟通障碍,提高碳税管理、监控和服务水平。
【图文】：

神经网络模型

2.3 BP 神经网络理论基础与方法2.3.1 BP 神经网络的基本思想误差逆传播(back propagation, BP)算法是一种由某一权值变化而产生的化的计算方法。将网络信号从输出层反向重新导入隐含层，由误差所导致的故而称为“反向传播”。BP 算法的基本流程是：将样本信号放入输入层，，使和输出层中不断向前传播，当获得的输出值与期望值不符时，将两者的误差节点，由此形成网络的误差信号。误差信号返回原路径进行逆向传播。通过值和阈值不断训练修正，从而不断接近达到所期望的输出值[44]。2.3.2 BP 神经网络学习过程BP 神经网络的学习过程主要是由两个步骤组成，一个是正向传播，其主过递推计算来实现非线性函数的映射；第二步是反向传播，这是为了计算出出的权值，如图 2.1。误差反向传播(学习算法)

流程图,神经网络算法,流程

BP 神经网络算法流程网络算法是Delta的学习规则的推广，本质上是一种监督学习法。输入学习，利用最速下降法，将激励传播和权重更新这两个环节输出层误差小于之前所设定的误差范围，则表明网络输出的向量这意味着网络训练完成。保存网络的权值和误差。其实质就是把转变为一个非线性优化问题，其流程如图2.2所示：1( 1) ( 1) ( ) ( )1 ) (1 )qnq q q qpk ki pi pik w x x ( ) ( ) ( )( ) (1 )Q Q Qpi pi pi pid x x x-11, , 1 ; 1, 2, , ; =1, 2, ,q qQ i n j n
【学位授予单位】：广西民族大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F812.42;TP183

【参考文献】