|
北京理工大学能源与环境政策研究中心面向国家能源与应对气候变化领域的重大战略需求,针对能源经济与气候政策中的关键科学问题开展系统研究,增进对能源、气候与经济社会发展关系的科学认识,为政府制定能源气候战略和政策提供科学参考,并建设与国际一流同行开展学术交流的平台,培养高水平专门人才。
|
|
[头条新闻]
国家重点研发计划全球变化及应对重点专项“气候变化经济影响综合评估模式研究”项目启动工作会顺利召开
CEEP-BIT 2016-10-12
2016年9月24日,国家重点研发计划全球变化及应对重点专项“气候变化经济影响综合评估模式研究”项目启动工作会在北京举行。项目主管单位国家科技部高技术研究发展中心领导、北京理工大学科研院领导、项目专家顾问组成员及项目参与成员共计100余人参加了本次启动会。国家重点研发计划全球变化及应对重点专项“气候变化经济影响综合评估模式研究”项目是由北京理工大学牵头,联合国家信息中心、国家气候中心、中科院上海高等研究院、清华大学、北京大学等单位共同承担。 在启动工作会议上,国家科技部高技术研究发展中心张峰处长到会指导,并对项目组织管理提出了具体要求。北京理工大学科研院黄华副处长致辞并欢迎与会专家。项目成立专家顾问组,聘请气候变化领域知名专家指导项目研究工作和实施过程。张峰处长和黄华副处长分别为来自国家发改委、国家气候中心、水利部、环保部、中科院、中国农科院等部门受邀参会的顾问专家颁发了聘书。 项目负责人魏一鸣教授对项目总体情况进行了汇报。各课题负责人分别就课题目标、研究内容、进度安排等进行了详细汇报。在听取项目介绍后,专家顾问组成员对项目研究思路和方向提出了建议。 在下午的项目研讨会上,项目组骨干成员进行了深入交流和讨论,进一步明确了各个课题任务分工、时间节点、数据的交互及合作方式,并对未来实施过程中可能存在的风险和挑战给出了预防和应对方案。项目成立管理办公室,由各课题办公室组成,项目办建立了定期上报和反馈制度。为项目的顺利实施,提供了有效保障。 2016年3月,科技部发布了“全球变化及应对”重点专项申报指南,气候变化经济影响综合评估模式研究列为重点开展的领域之一。该指南是按照《国家中长期科学和技术发展规划纲要(2006-2020)》和《国家应对气候变化规划(2014-2020年)》部署,根据国务院《关于深化中央财政科技计划(专项、基金等)管理改革的方案》,科技部、教育部、中科院、气象局、海洋局、环保部等部门组织专家编制了实施方案。国家重点研发计划“气候变化经济影响综合评估模式研究”项目,将致力于在气候变化经济影响综合评估理论方法与模型体系方面实现创新突破,建立具有自主知识产权和国际影响的IAM模型和政策模拟平台,为我国制定国家气候战略以及应对国际气候变化谈判提供理论和技术支撑,提高我国在全球气候治理和气候经济学领域的国际影响力和话语权。
|
原文地址:http://ceep.bit.edu.cn/xwdt/zxxw/87149.htm
|
|
|
|
2
|
[信息详情]
|
|
|
|
最新期刊论文
|
来源:CEEP-BIT 时间:2016-10-12
|
An adaptive multiscale ensemble learning paradigm for nonstationary and nonlinear energy price time series forecasting. Zhu BZ., Shi XT et al., 2016.
Abstract For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition, particle swarm optimization and least square support vector machines with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine to coarse reconstruction algorithm, the high frequency, low frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high frequency components. LSSVM is suitable for forecasting the low frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions.
|
原文地址:http://ceep.bit.edu.cn/zxcg/qklw/88145.htm
|
|
版权所有©北京理工大学能源与环境政策研究中心
Copyright©Center for Energy and Environmental Policy Research. All Rights
Reserved
|
|