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