| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 论文研究背景及意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国内外影响因素分析的主要方法 | 第14-15页 |
| 1.2.2 国内外预测方法的主要研究成果 | 第15-16页 |
| 1.3 本文主要研究内容及创新点 | 第16-19页 |
| 第2章 碳排放相关理论综述与测算 | 第19-32页 |
| 2.1 碳排放相关介绍 | 第19-22页 |
| 2.1.1 温室气体与二氧化碳排放 | 第19-20页 |
| 2.1.2 排放清单介绍 | 第20页 |
| 2.1.3 我国二氧化碳排放现状 | 第20-22页 |
| 2.2 碳排放主要影响因素分析方法概述 | 第22-25页 |
| 2.2.1 STIRPAT模型 | 第22-23页 |
| 2.2.2 指数分解方法 | 第23-24页 |
| 2.2.3 卡亚（Kaya）恒等式 | 第24-25页 |
| 2.3 预测方法概述 | 第25-27页 |
| 2.4 山东省 1995-2012年CO2排放量测算 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于LMDI模型的山东省碳排放驱动力分析 | 第32-43页 |
| 3.1 多视角下山东省碳排放影响因素分析 | 第32-37页 |
| 3.1.1 人口增长对碳排放的影响 | 第32-33页 |
| 3.1.2 经济增长与碳排放的关系 | 第33-34页 |
| 3.1.3 能源结构对碳排放的影响 | 第34-35页 |
| 3.1.4 工业化对碳排放的影响 | 第35-36页 |
| 3.1.5 城市化对碳排放的影响 | 第36-37页 |
| 3.2 基于LMDI模型山东省碳排放驱动因素分析 | 第37-42页 |
| 3.2.1 LMDI模型构建 | 第37-38页 |
| 3.2.2 主要影响因素分析 | 第38-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 山东省碳排放趋势预测 | 第43-54页 |
| 4.1 基于粗糙集的组合预测模型的理论基础 | 第43-45页 |
| 4.1.1 基于粗糙集的组合预测模型 | 第43页 |
| 4.1.2 支持向量机模型 | 第43-44页 |
| 4.1.3 BP神经网络预测模型 | 第44-45页 |
| 4.2 基于粗糙集的我国CO2排放量的组合预测模型的建立 | 第45-48页 |
| 4.2.1 支持向量机模型的建立 | 第45-46页 |
| 4.2.2 BP神经网络模型建立 | 第46-47页 |
| 4.2.3 基于粗糙集的我国CO2排放量的组合预测模型的建立 | 第47-48页 |
| 4.3 基于粗糙集的组合预测模型可行性分析 | 第48-51页 |
| 4.3.1 单一预测模型的预测结果 | 第48-49页 |
| 4.3.2 组合预测模型的预测结果 | 第49页 |
| 4.3.3 可行性分析 | 第49-51页 |
| 4.4 山东省碳排放预测及趋势分析 | 第51-53页 |
| 4.4.1 山东省二氧化碳排放短期预测 | 第51-52页 |
| 4.4.2 山东省碳排放趋势分析及对策 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |
