Анализ ключевых источников и учет факторов неопределенности

Анализ ключевых источников и учет
факторов неопределенности
Милош Тихий
(Peer) Обзор Национальных
инвентаризаций и учет факторов
неопределенности
24.-25 Октября, 2005, Тбилиси,Грузия
Содержание:
!Анализ ключевых источников – руководство для
определения приоритетов
!Анализ неопределенностей
!Улучшение качества данных
Анализ ключевых источников (АКИ)
! Цель: руководство по „более тщательному
!
!
!
!
использованию данных“ относительно:
Шаги
! Выбор источников для АКИ (ключевое решение)
! Уровневая оценка
! Оценка тенденции
! Интерпретация результатов
Основные моменты метода
Выбор дезагрегирования
! Интерпретация результатов (в частности анализ
тенденции)
Использование сборного программного обеспечения
Уровни дезагрегации
! 0 уровень=общие выбросы
! 1 уровень
! 2 уровень
! 3 уровень
! 4 уровень
Общее для сельского
хозяйства
328
Кишечная ферментация
278
1
крупный рогатый
2
буйвол
3
овцы
скот
226
0
Итого по энергетике
43
108 048
По сжиганию топлива (секторальный подход)
108 048
1 Энергетический сектор
a государственное производство электричества и
тепло-снабжение
b перегонка нефти
c производство твердого топлива и другие
энергетические секторы
54 736
Анализ неопределенностей
! Оценка неопределенности в выбросах
отдельных категорий
! Акцент на
полноту: оценка неопределенности как
минимум всех ключевых категорий
! Качество оценки: более чем один эксперт для
каждой оценки
! Комбинация неопределенностей и общие
неопределенности не являются приоритетом (на
данный момент)
!
Оценка неопределенностей
отдельных величин
! Выбор категорий – те же задачи как и для АКИ;
стартовая точка = инвентаризация по одной колонке
! Более детальная дезагрегация:
!
!
!
!
!
Более легкие (более точные?) предположения
Но пренебрежение комбинации
Оценка неопределенности: две группы величин:
A-группа, величины, которые могут быть оценены
статистическим методом:
отбор и подгонка под модель PDF, большое количество
образцов
Б-группа, другие величины:
все параметры являются приблизительные (экспертная
оценка); смотрите руководство по эффективной
практике, стандартные процедуры
Улучшение качества данных
! Процесс, являющийся результатом АКИ и
анализа неопределенностей
! Какие данные недостаточны:
Недостающие части во временном порядке
! Данные с большой неопределенностью
!
! Важность (приоритеты) определены в соотв. с
таблицей АКИ
! Что делать (методы):
Обзор источников данных
! Сравнение данных с разных источников
! Изменение временного порядка
!
Обзор источников данных:
недостающие данные
! Существуют ли альтернативные источники
данных ? (другая организация/эксперт,
международная организация)
! Да: получите данные
Сравните временной порядок
! Проведите другую проверку(данные с другой
страной)
!
! Нет: Изменение временного порядка
! Пересчет доступных данных (например,
секторальные потребления, используя
Уровневый подход, расчет вводных данных
посредством расчета производства)
! Математическое преобразование
Обзор источников данных: недостающие
данные
Подозрительные данные, большая
неопределенность
! Существуют ли другие источники данных ?
! Да: получите новые данные
! Сравните с существующими данными
!
Являются ли данные с двух источников
абсолютно независимыми ?
! Нет: Изменение временного порядка
!
Математическое преобразование
Реконструкция временных серий –
математические/эмпирические методы
!
Интерполяция/Экстраполяция- формула Ньютона
!
!
Регрессия: линейное, квадратное, кубическое
!
!
Эквивалент величины функций f(xi)= P(xi)
Минимизация суммы квадратов (f(xi) - P(xi))2
Аппроксимация, используя показатели, например:
!
!
!
ВНП →производство/потребление электричества
ВНП→общие выбросы от потребления топлива
Производство электричества от ископаемых топлив →
выброс
Математические методы–Интерполяция
66 000
y = -195,29x3 + 1E+06x2 - 2E+09x + 2E+12
Эмиссия (кт)
64 000
y = 674,01x2 - 3E+06x + 3E+09
62 000
60 000
58 000
56 000
1991
1992
1993
1994
1995
1996
Начальные временные серии Линейная интерполяция
Куб интерполяции
Инт. Квадрат (до)
Верная величина
Куб регрессии
Квадрат регресии
Инт. Квадрат (после)
Линейная регрессия
Математические методы–Интерполяция
66000
2
y = 889,6x - 4E+06x + 4E+09
Эмиссия (кт)
3
2
y = -375,75x + 2E+06x - 4E+09x + 3E+12
62000
58000
54000
1991
1992
1993
1994
1995
1996
1997
Начальные временные серии Линейная экстраполяция
Куб экстраполяции
Квадрат экстраполяции
Линейная регрессии
Куб регрессии
Квадрат регрессии
Интерполяция/Экстраполяция –
Возможные ошибки и результат
! -точность
аппроксимация
интерполяциякороткая
последовате
льность
интерполяциядлительная
последовательн
ость
Экстраполяция
1,95%
-0,15%
квадратная (до)
2,37%
3,68%
квадратная (после)
1,25%
кубическое
1,81%
Линейная интерполяция
10,66%
Линейная регрессия
2,17%
13,01%
-6,55%
квадратная
-0,50%
-1,56%
4,15%
кубическая
0,94%
-0,52%
-6,70%
4 порядок
-0,61%
2
2
[кгCO2/кВт/ч]
Эмиссии CO 2/Произ.электричество
Эмпирический метод –используя показатели
Производство электричества из ископаемых топлив →
выбросы
1
1
0
0
1960
1965
1970
1975
ФРАНЦИЯ
1980
1985
ГЕРМАНИЯ
1990
1995
ВЕНГРИЯ
2000
Эмиссии CO2 (1A)/ ВНП
[кг CO2 за 1990 $ PPP]
Эмпирический метод – используя показатели
ВНП→ общие выбросы от потребления топлива
2.5
2
1.5
1
0.5
0
1960
1970
1980
1990
ФРАНЦИЯ ПОЛЬША Великобритания
2000