环境税背景下绿色发展系统的动力学分析
发布时间：2021-07-07 20:10
随着绿色发展成为一项全球性的活动,许多政府开始采取环境税以促进绿色发展.然而,鲜有研究对环境税和绿色发展之间复杂的相互关系进行严格的量化.本文建立一个动力系统模型,定量分析我国绿色发展在不同环境税情景下的演化规律,并且运用非线性动力学理论研究该模型的动力学行为和超混沌控制问题.研究结果有助于认清各个因素对我国绿色发展的影响程度,并采取合理措施促进绿色发展.本研究的具体内容如下:（1）运用动力系统模型分析我国绿色发展的演化规律.首先,绿色发展的核心是在不减缓经济增长的同时提高资源利用率、降低污染排放.因此,本文选取资源消耗、GDP、污染排放和环境税作为状态变量,建立四维动力系统模型,即绿色发展系统.其次,根据耗散性分析和Routh-Hurwitz定理分析其稳定性,并通过Lyapunov指数谱和分岔图表明该系统存在不同的动力学行为:混沌、极限环和平衡点.然后,以中国为例,基于中国统计年鉴获取所需数据,并采用线性求和以及层次分析法对数据进行预处理,接着使用遗传算法辨识得到实际参数.最后,为了量化环境税对绿色发展的影响,本文引入经济增长、资源强度和污染强度三个量化指标,通过量化指标的演化来反映...
【文章来源】：江苏大学江苏省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
技术路线图
环境税背景下绿色发展系统的动力学分析图2.1:混沌控制理论的整体框架Fig.2.1:Theoverallframeworkofchaoscontroltheory自适应控制能够在不确定的条件下通过Lyapunov稳定性理论抑制混沌的出现,构造Lyapunov函数V(x,t)判断系统在运动过程中的稳定性,得到下面的定理:定理2.1.[64]考虑动力系统(2.2),对于t,有f(0,t)=0,则(1)存在正定函数η(t0,t1)=∫t1t0ωT(t)y(t)dt≥γ20,t1>t0,γ20>0.(2.8)(2)˙V(x,t)负定,即˙V(x,t)<0平衡点xc=0是渐进稳定的.(3)xc=0渐进稳定且当∥x∥→∞时,有˙V(x,t)→∞xc=0是全局渐进稳定的.2.3遗传算法遗传算法(GeneticAlgorithms,GA)是一种优化程序,最初用于模拟生物进化中的自然选择.GA针对优化问题的候选解的总体向着更好的解发展,每个候选解都有一组可以突变或变化的基因型.GA会先初始化一组解,然后通过复制、变异、交叉、求反和选择运算符来对其进行改进[65].作为一种高效启发式搜索算法,GA已经遍及在参数辨识、图像处理和控制优化等许多领域.图2.2是遗传算法的流程框图.其具体步骤[66]如下:Step1:初始化种群Q(t0),随机生成染色体编码;Step2:计算初始个体的适应度;Step3:判断是否满足程序终止条件.若满足,则终止程序;若未满足,则将满足适应度的个体组成新的种群;Step4:计算新个体的适应度;Step5:再次更新种群,得到下一代种群Q(t+1);Step6:记录最优个体及其适应度;12
江苏大学硕士学位论文Step7:判断是否满足终止条件.若满足,则终止程序;若不满足,则回到Step4.图2.2:遗传算法流程图Fig.2.2:Theflowchartofgeneticalgorithm本研究根据遗传算法的流程对系统的参数进行辨识.以系统(2.1)为例,已知系统的状态变量,那么我们可以采用遗传算法辨识出系统的参数λ.首先,系统(2.1)可重写为向量形式:˙X(t)=f(X(t),λ),(2.9)其中X表示系统的状态,λ是系统参数.接着,将上式离散化:X(k+1)=X(k)+f(X(k))=F(X(k),λ).(2.10)最后,系统(2.1)的参数辨识等同于下面的非线性最优化问题:min12T∑k=1∥X(k+1)F(X(k),λ)∥2,s.t.λ>0.(2.11)因此,GA可用于本文第三章中的参数辨识.13
【参考文献】：
期刊论文
[1]一种新超混沌系统的动力学分析和控制研究[J]. 孙方方,雷银彬,朱培勇. 西南民族大学学报(自然科学版). 2015(02)
[2]四维超混沌Qi系统的反馈控制[J]. 庄科俊. 计算机工程与应用. 2014(03)
[3]基于Lyapunov稳定性理论的模型参考自适应控制[J]. 罗胜琪. 硅谷. 2011(17)
[4]灵敏度方法在电力系统分析与控制中的应用综述[J]. 苗峰显,郭志忠. 继电器. 2007(15)
[5]动力系统简介[J]. 文兰. 数学进展. 2002(04)
博士论文
[1]一类新型节能减排系统的分析和应用[D]. 方国昌.江苏大学 2013
硕士论文
[1]混沌系统的同步控制方法研究[D]. 于世萌.哈尔滨理工大学 2016
本文编号：3270288
【文章来源】：江苏大学江苏省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
技术路线图
环境税背景下绿色发展系统的动力学分析图2.1:混沌控制理论的整体框架Fig.2.1:Theoverallframeworkofchaoscontroltheory自适应控制能够在不确定的条件下通过Lyapunov稳定性理论抑制混沌的出现,构造Lyapunov函数V(x,t)判断系统在运动过程中的稳定性,得到下面的定理:定理2.1.[64]考虑动力系统(2.2),对于t,有f(0,t)=0,则(1)存在正定函数η(t0,t1)=∫t1t0ωT(t)y(t)dt≥γ20,t1>t0,γ20>0.(2.8)(2)˙V(x,t)负定,即˙V(x,t)<0平衡点xc=0是渐进稳定的.(3)xc=0渐进稳定且当∥x∥→∞时,有˙V(x,t)→∞xc=0是全局渐进稳定的.2.3遗传算法遗传算法(GeneticAlgorithms,GA)是一种优化程序,最初用于模拟生物进化中的自然选择.GA针对优化问题的候选解的总体向着更好的解发展,每个候选解都有一组可以突变或变化的基因型.GA会先初始化一组解,然后通过复制、变异、交叉、求反和选择运算符来对其进行改进[65].作为一种高效启发式搜索算法,GA已经遍及在参数辨识、图像处理和控制优化等许多领域.图2.2是遗传算法的流程框图.其具体步骤[66]如下:Step1:初始化种群Q(t0),随机生成染色体编码;Step2:计算初始个体的适应度;Step3:判断是否满足程序终止条件.若满足,则终止程序;若未满足,则将满足适应度的个体组成新的种群;Step4:计算新个体的适应度;Step5:再次更新种群,得到下一代种群Q(t+1);Step6:记录最优个体及其适应度;12
江苏大学硕士学位论文Step7:判断是否满足终止条件.若满足,则终止程序;若不满足,则回到Step4.图2.2:遗传算法流程图Fig.2.2:Theflowchartofgeneticalgorithm本研究根据遗传算法的流程对系统的参数进行辨识.以系统(2.1)为例,已知系统的状态变量,那么我们可以采用遗传算法辨识出系统的参数λ.首先,系统(2.1)可重写为向量形式:˙X(t)=f(X(t),λ),(2.9)其中X表示系统的状态,λ是系统参数.接着,将上式离散化:X(k+1)=X(k)+f(X(k))=F(X(k),λ).(2.10)最后,系统(2.1)的参数辨识等同于下面的非线性最优化问题:min12T∑k=1∥X(k+1)F(X(k),λ)∥2,s.t.λ>0.(2.11)因此,GA可用于本文第三章中的参数辨识.13
【参考文献】：
期刊论文
[1]一种新超混沌系统的动力学分析和控制研究[J]. 孙方方,雷银彬,朱培勇. 西南民族大学学报(自然科学版). 2015(02)
[2]四维超混沌Qi系统的反馈控制[J]. 庄科俊. 计算机工程与应用. 2014(03)
[3]基于Lyapunov稳定性理论的模型参考自适应控制[J]. 罗胜琪. 硅谷. 2011(17)
[4]灵敏度方法在电力系统分析与控制中的应用综述[J]. 苗峰显,郭志忠. 继电器. 2007(15)
[5]动力系统简介[J]. 文兰. 数学进展. 2002(04)
博士论文
[1]一类新型节能减排系统的分析和应用[D]. 方国昌.江苏大学 2013
硕士论文
[1]混沌系统的同步控制方法研究[D]. 于世萌.哈尔滨理工大学 2016
本文编号：3270288
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3270288.html
