我国宏观建筑能耗的特征趋势及驱动因子的识别研究
发布时间：2023-05-14 00:24
我国经济发展迅速,城市化进程在持续加剧中。总体而言我国正处于快速发展的时期。2020年我国万元国内生产总值能耗的目标是少于50亿吨煤。由于近些年工业方面的减排力度强劲,促使能效迅速提升,节能潜力有所下降。反观我国的宏观建筑能耗未能同步下降,一直保持增长趋势。近年来建筑能耗占总能耗的比重逐步提升至30%。因此,建筑行业未来需将进行更大程度的节能减排。2015年开始我国已尝试进行结构性改革,在尽可能多的扩大需求的同时推进改革方针的落实。这逐渐提高了我国供给体系的质量和效率,从而刺激我国的经济提升。由此对建筑行业的管理调控手段也实现了从需求侧变为供给侧。因此,建筑节能工作需以数据为基础有针对性的制定,目前建筑节能领域的研究的重点应是了解掌握我国建筑的能耗水平及趋势。本文主要对我国宏观建筑能耗的数据测算及驱动因子的识别两方面进行研究,以测算准确的建筑能耗指标数据及识别驱动因子量化驱动程度为目标,结合数学方法建立模型测算能耗数据,客观量化影响因素与建筑能耗的关系。本研究将极大的改善目前我国能耗数据缺失的问题,为实现国家双重控制目标的行政手段的针对性应用提供了数据支持。本文梳理总结了各类统计年鉴中...
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究意义
1.2.1 提供准确能耗数据
1.2.2 获取建筑能耗驱动因子
1.3 国内外建筑能耗特征研究现状
1.3.1 建筑能耗国外研究现状
1.3.1.1 宏观建筑研究
1.3.1.2 单体建筑研究
1.3.2 建筑能耗国内研究现状
1.3.2.1 宏观建筑研究
1.3.2.2 单体建筑研究
1.4 研究内容及思路
1.4.1 研究对象
1.4.2 研究边界
1.4.3 研究思路
第2章 宏观建筑面积及能耗的测算
2.1 宏观建筑面积的测算
2.1.1 基础数据的来源与分析
2.1.2 泰勒级数神经网络模型
2.1.2.1 应用神经网络模型的优势
2.1.2.2 泰勒级数神经网络模型的原理
2.1.3 宏观建筑面积的测算
2.1.3.1 城镇建筑面积的测算
2.1.3.2 村镇建筑面积的测算
2.2 宏观建筑能耗的测算
2.2.1 基础数据的来源与分析
2.2.2 基于统计年鉴的建筑能耗测算模型
2.2.2.1 基于统计年鉴的建筑能耗测算模型的优势
2.2.2.2 基于统计年鉴的建筑能耗测算模型的原理
2.2.3 改进统计年鉴的供热能耗测算模型
2.3 本章小结
第3章 我国建筑能耗指标的特征及趋势分析
3.1 宏观建筑面积特征及趋势
3.1.1 宏观建筑面积整体水平
3.1.2 各类型建筑面积
3.2 宏观建筑能耗特征及趋势
3.2.1 宏观建筑能耗总量及强度
3.2.2 各类型建筑能耗
3.3 集中供热能耗特征及趋势
3.4 本章小结
第4章 宏观建筑能耗驱动因子分析
4.1 初始影响因素的来源
4.1.1 初始影响因素初步选取
4.1.2 初始影响因素的分析
4.1.2.1 社会指标
4.1.2.2 经济指标
4.1.2.3 科技指标
4.1.2.4 行业指标
4.2 影响因素的确定
4.3 信息熵因子分析模型
4.3.1 因子分析模块
4.3.2 信息熵模块
4.4 驱动因子的识别
4.4.1 影响因素的聚类降维
4.4.2 驱动因子的关键程度
4.5 模型的有效性检验
4.5.1 聚类的有效性
4.5.2 因子的有效性
4.6 本章小结
第5章 驱动因子的驱动程度分析
5.1 经济需求因子的驱动
5.1.1 经济需求对建筑面积的驱动程度
5.1.2 经济需求对建筑能耗的驱动程度
5.2 政策因子的驱动
5.2.1 政策对建筑面积的驱动程度政策
5.2.2 政策对建筑能耗的驱动程度
5.3 科技因子的驱动程度
5.3.1 科技对建筑面积的驱动程度
5.3.2 科技对建筑能耗的驱动程度
5.4 本章小结
结论
参考文献
致谢
本文编号：3816824
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究意义
1.2.1 提供准确能耗数据
1.2.2 获取建筑能耗驱动因子
1.3 国内外建筑能耗特征研究现状
1.3.1 建筑能耗国外研究现状
1.3.1.1 宏观建筑研究
1.3.1.2 单体建筑研究
1.3.2 建筑能耗国内研究现状
1.3.2.1 宏观建筑研究
1.3.2.2 单体建筑研究
1.4 研究内容及思路
1.4.1 研究对象
1.4.2 研究边界
1.4.3 研究思路
第2章 宏观建筑面积及能耗的测算
2.1 宏观建筑面积的测算
2.1.1 基础数据的来源与分析
2.1.2 泰勒级数神经网络模型
2.1.2.1 应用神经网络模型的优势
2.1.2.2 泰勒级数神经网络模型的原理
2.1.3 宏观建筑面积的测算
2.1.3.1 城镇建筑面积的测算
2.1.3.2 村镇建筑面积的测算
2.2 宏观建筑能耗的测算
2.2.1 基础数据的来源与分析
2.2.2 基于统计年鉴的建筑能耗测算模型
2.2.2.1 基于统计年鉴的建筑能耗测算模型的优势
2.2.2.2 基于统计年鉴的建筑能耗测算模型的原理
2.2.3 改进统计年鉴的供热能耗测算模型
2.3 本章小结
第3章 我国建筑能耗指标的特征及趋势分析
3.1 宏观建筑面积特征及趋势
3.1.1 宏观建筑面积整体水平
3.1.2 各类型建筑面积
3.2 宏观建筑能耗特征及趋势
3.2.1 宏观建筑能耗总量及强度
3.2.2 各类型建筑能耗
3.3 集中供热能耗特征及趋势
3.4 本章小结
第4章 宏观建筑能耗驱动因子分析
4.1 初始影响因素的来源
4.1.1 初始影响因素初步选取
4.1.2 初始影响因素的分析
4.1.2.1 社会指标
4.1.2.2 经济指标
4.1.2.3 科技指标
4.1.2.4 行业指标
4.2 影响因素的确定
4.3 信息熵因子分析模型
4.3.1 因子分析模块
4.3.2 信息熵模块
4.4 驱动因子的识别
4.4.1 影响因素的聚类降维
4.4.2 驱动因子的关键程度
4.5 模型的有效性检验
4.5.1 聚类的有效性
4.5.2 因子的有效性
4.6 本章小结
第5章 驱动因子的驱动程度分析
5.1 经济需求因子的驱动
5.1.1 经济需求对建筑面积的驱动程度
5.1.2 经济需求对建筑能耗的驱动程度
5.2 政策因子的驱动
5.2.1 政策对建筑面积的驱动程度政策
5.2.2 政策对建筑能耗的驱动程度
5.3 科技因子的驱动程度
5.3.1 科技对建筑面积的驱动程度
5.3.2 科技对建筑能耗的驱动程度
5.4 本章小结
结论
参考文献
致谢
本文编号：3816824
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3816824.html