碳排放不确定性建模流程

第一问：蒙特卡罗干了一件什么事？
在一些利用有限样本的计算过程中，因为样本的局限性（样本量太少），不能较好的表现出整体的特性，因此需要一种方法能将局部变成整体、样本数据变成整体数据的方法，蒙特卡罗就是干了这么一件事！

第二问：什么是不确定性？
样本数据在获取的过程中存在统计误差、试验系统误差、模型误差等，这些数据用来表征燃料活动水平会将误差带到排放清单里面，这样就会造成排放清单的不确定性，如果不确定性得不到正确计算和评估，对燃料排放趋势、排放贡献、重要不确定性源的识别产生作物认识，进而制定出错误的排放控制策略，对企业、环境带来不利。

第三问：分析谁的不确定性？
从碳排放公式看问题，Qmijk = ∑1～m（EFij×ADij）
m代表污染物种类（CO2、NOX等等），i表示燃料类型（高煤、转煤、焦煤等等），j表示年份，k表示区域（炼铁厂、炼钢厂、烧结厂等等），Qmijk表示i种燃料类型第j年在k分厂的污染物排放量！
EFij表示i种燃料在第j年的污染物排放因子（单位消耗量产生的污染物）
ADij表示i种燃料在第j年的活动水平（消耗量）
Qmijk不能直接获取，需要获取EFij、ADij样本数据，既然是样本数据，就会存在不确定性
分析Qmijk的不确定性也就是分析EFij×ADij的不确定性！

第四问：怎么获取样本数据？
通过各分厂ADij的生产日志或者报表
通过各分厂EFij的测算实验或者缺省

第五问：计算不确定性之前有什么工作？
确定年份后，样本数据变成ADi、EFi格式
将ADi、EFi样本数据各自整理成n行1列格式
检验样本数据的各自的概率分布，调用KS检验，找出样本数据符合哪一种分布！
常见分布正态分布、λ分布、泊松分布、指数分布、瑞利分布等等，确定各分布函数后
得到关键参数，比如正态分布密度函数中的期望（均数）μ和标准差σ！ 
建立排放清单输入参数，即不同燃料对应的μ、σ。这样就可以计算不确定性了！

第六问：怎么计算不确定性？
还以符合正态分布密度函数来讲，通过样本数据的μ、σ，假如样本数据有100条，通过蒙特卡罗变成100000条
这时候就有了100000条的ADi数据和100000条的EFi数据，两者相乘就得到100000条某一燃料下某一污染物排放量！
假设燃料类型有高煤、转煤、焦煤三种，则某一污染物排放量等于Qmi = ∑1～3（EFi×ADi）.m假设为CO2污染物.
Qmi得到100000条数据，查看这100000条Qmi数据的概率分布，期望μ = mean(Qmi),概率95%置信区间[c,d]，则
不确定性范围[a,b]=[（c-μ）/μ,（d-μ）/μ]，不确定性 = （|a|+|b|）/2.

源代码：https://download.csdn.net/download/weixin_37928884/85846364

课外建模知识：
Matlab中求数据概率分布的方法
https://blog.csdn.net/u010058695/article/details/101219580

怎么判断数据是否符合某个统计学分布
https://blog.csdn.net/zzx2016zzx/article/details/113920549

matlab 指数分布检验,如何使用Matlab检验数据服从什么分布
https://blog.csdn.net/weixin_33352628/article/details/115845329