中国出口贸易碳排放预警体系研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 研究背景 | 第11-12页 |
1.2 研究目的和意义 | 第12-13页 |
1.2.1 研究目的 | 第12页 |
1.2.2 研究意义 | 第12-13页 |
1.3 国内外研究现状 | 第13-15页 |
1.3.1 国外研究现状 | 第13-14页 |
1.3.2 国内研究现状 | 第14-15页 |
1.4 论文研究方法和内容 | 第15-16页 |
1.4.1 论文研究方法 | 第15页 |
1.4.2 论文研究内容 | 第15-16页 |
1.5 论文创新点 | 第16-17页 |
第2章 中国出口贸易碳排放预警相关理论 | 第17-24页 |
2.1 出口贸易与碳排放 | 第17-18页 |
2.1.1 出口贸易 | 第17页 |
2.1.2 出口贸易碳排放 | 第17-18页 |
2.2 碳排放的测度方法 | 第18-20页 |
2.3 预警理论 | 第20-23页 |
2.3.1 预警的内涵 | 第20页 |
2.3.2 预警理论评述 | 第20-21页 |
2.3.3 预警方法探究 | 第21-23页 |
2.4 本章小结 | 第23-24页 |
第3章 中国出口贸易碳排放量测度分析 | 第24-32页 |
3.1 中国出口贸易碳排放计算的理论模型与方法 | 第24-27页 |
3.1.1 模型相关概念 | 第24-25页 |
3.1.2 瓦尔拉斯-卡塞尔模型介绍 | 第25-27页 |
3.2 数据来源与行业划分 | 第27-29页 |
3.2.1 数据来源 | 第27-28页 |
3.2.2 行业划分 | 第28-29页 |
3.3 碳排放计算结果与分析 | 第29-31页 |
3.3.1 碳排放计算结果 | 第29-30页 |
3.3.2 碳排放计算结果分析 | 第30-31页 |
3.4 本章小结 | 第31-32页 |
第4章 中国出口贸易碳排放预警模型的构建 | 第32-40页 |
4.1 运用熵权理论为指标赋权 | 第32-33页 |
4.2 GM(1,1)模型原理 | 第33-34页 |
4.3 BP神经网络预警系统的原理介绍 | 第34-38页 |
4.3.1 BP神经网络的原理 | 第35-36页 |
4.3.2 BP神经网络的学习过程 | 第36-38页 |
4.4 灰色神经预测模型 | 第38-39页 |
4.5 本章小结 | 第39-40页 |
第5章 预警指标体系的选取与确定 | 第40-48页 |
5.1 预警指标体系的选取 | 第40-44页 |
5.1.1 预警指标体系的选取原则 | 第40-41页 |
5.1.2 样本数据的来源及其处理 | 第41-42页 |
5.1.3 预警指标体系的选取框架 | 第42-44页 |
5.2 指标体系的预处理 | 第44-46页 |
5.2.1 预警指标的相关性分析 | 第44-45页 |
5.2.2 预处理后指标解释 | 第45-46页 |
5.3 预警区间设置 | 第46页 |
5.4 本章小结 | 第46-48页 |
第6章 中国出口贸易碳排放预警的实证分析 | 第48-55页 |
6.1 样本数据 | 第48页 |
6.2 指标权重的确定 | 第48-50页 |
6.3 碳排放预警分析 | 第50-54页 |
6.3.1 初步预警分析 | 第50-52页 |
6.3.2 最终预警分析 | 第52-54页 |
6.4 本章小结 | 第54-55页 |
第7章 结论与建议 | 第55-58页 |
7.1 研究结论 | 第55页 |
7.2 政策建议 | 第55-57页 |
7.3 有待进一步研究的问题 | 第57-58页 |
参考文献 | 第58-61页 |
攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
致谢 | 第62-63页 |
附录 | 第63-70页 |