书籍名称：能源经济与环境系统建模 软计算方法及应用
页数：220
作者：於世为，魏一鸣，孙涵著
出版时间：2014
ISBN：9787562531753
出版社：武汉：中国地质大学出版社
简介：本书主要解决了如下几个问题。(1)提出了一种基于实数编码的改进PSO-GA混合优化算法，并将其应用于中国一次能源预测模型的参数优化中。该算法在进化过程中能进行多次信息交换，使两种算法互补性得到更充分的发挥，有效地解决了PSO算法进化模式单一，GA求解冗余迭代、计算时间长、求解效率低等问题。将其应。用于中国一次能源预测模型中，所得的预测结果与现有方法相比，具有更高的；佳确度和可靠度。(2)构建了中国“煤炭生产—环境污染量”遗传算法(GA)—系统动力学(SD)混合模型。将GA全局智能优化能力应用于SD模型相关参数的优化中，有效地解决了人为设定参数的主观性及难度；通过情景仿真分析，设计了现阶段中国煤炭矿区生态环境污染量减缓的政策与路径。(3)提出基于MPSO-BP的RBF自构建城市电力需求预测模型。该模型采用二进制与实数混合粒子群编码，首先用MPSO优化RBF径向基的个数及相关参数。然后，为了在一定白勺网络结构下获得更合适的相关参数，粒子的实数部分，采用BP算法进行快速局部优化，混合实数PSO进行全局优化，避免用BP快速局部逼近时可能陷入的局部极。同时，构建了一种特殊白勺适应度函数，在保证精度的前提下，使网络的结构相对简单(较少的输入节点数、隐层节点数)，以增强网络的自适应能力，减少人为主观因素对网络设计的影响。最后，将该模型成功应用于武汉市2014—2020年的电力需求预测中，预测结果表明，无论哪种情景，武汉市的电力需求在2014–2020年间仍将持续高速增长，其中规划情景下武汉市的电力消费需求最高，将达到884．5亿千瓦时，比2013年高出1倍多，预测期间年均增长约ll％。(4)建立了基于支持向量——回归机的煤炭需求组合预测模型。针对中国煤炭需求系统具有非线性、不确定性和历史数据较少以及需求影响因素众多等特征，用经济增长(GDP)、城市化(城市人口数量占总人口数量)和产业结构(第二产业占整个产业的比重)3个变量来作为输入，煤炭消费量作为输出，建立了一个多输入、单输出的支持向量——回归机(SupportVectorRegression，简称SVR)组合预测模型。对我国煤炭需求进行预测的结果表明，中国煤炭需求可能在2017年出现峰值(拐点)，而不同变量的变化改变了煤炭需求倒“U”形曲线峰值的高度和位置，其中经济增长率影响最大，其次是第二产业，最后是城市化。(5)提出一种基于PS()优化的FCM聚类方法(PSO-FCM)，利用PSO的全局优化能力，获得FCM中白勺最佳聚类数与隶属度，并应用于中国省际间碳排放特征的聚类分析中。结果表明：中国30个省区碳排放特征可分为5类，特征明显，相对于其他的聚类方法，PS()-FCM聚类结果更具有解释性；C02排放强度与人均排放量是影响区域碳排放特征的最重要指标，单位能源碳排放在聚类中作用不明显。此外，针对不同类别的排放特征，本书提出了地区减排目标设定的政策建议。(6)提出了一种基于PSO-FCM-Shapley的地区间碳减排目标分解方法。该方法将碳排放总量分解为生存排放、发展排放与预留排放3部分，在对中国各省碳排放宏观因素PSO-FCM聚类的基础上，各类选择一个代表性省份，通过对代表性省份碳排放增长的Shapley值法分解，识别出各类别省份排放增长的关键因素。在充分考虑各省经济发展水平、产业结构、排放总量的基础上，通过设定相关减排调控政策的重点及程度实现国家整体减排目标。
前部分目录
1绪论——1
1.1能源经济与环境系统——1
1.2能源经济与环境系统建模——6
1.3基于软计算的能源经济与环境系统建模——23
1.4研究目的和研究内容——28
2能源需求PSO-GA预测模型——30
2.1引言——30
2.2文献综述——31
2.3遗传算法与粒子群算法——36
2.4一种改进的PSO-GA算法——49
2.5能源需求影响因素及通径分析——60
2.6 PSO-GA-EDE模型应用——64
2.7能源需求情景设置与预测——69
2.8本章主要结论——76
3煤炭生产环境污染量GA-SD预测模型——77
3.1引言——77
······
······
······
