2. MethodA regression based approac

2. Method
A regression based approach was used to develop the tool for
estimation of global urban energy consumption and emissions. Due
to lack of availability of energy consumption data for a large
number of urban areas, the model was based on empirical data
from 22 cities. The data set includes cities from 5 continents with
per capita GDP (2008 PPP USD) varying from $2732 (Dar es Salaam)
to $60,751 (New York City); and city sizes ranging from 432,000
(Geneva) to 18.15 million (Shanghai). The regression models are
developed considering climatic and urban design independent
variables. Each of the steps involved is discussed in detail below:
2.1. Developing regression equations for energy use
In order to develop a predictive model that could be used for the
3646 urban areas; several explanatory variables for energy consumption
were explored. These were: heating degree days (HDD),
Gross domestic product (GDP), urbanized area per capita (InvDensity)
and cooling degree days (CDD).
HDD and CDD capture the climatic effects. HDD is calculated
based on outside air temperature and a reference temperature
(18
C) below which heating is assumed to be required in buildings.
Thus, HDD can be assumed to be a strong predictor of heating energy
consumption in urban areas. CDD is also calculated based on
outside air temperature and a reference temperature (25
C) above
which cooling is required for buildings. CDD was only considered as
an explanatory variable for electricity consumption since cooling is
only done by electricity in urban areas. The urban design effect is
captured by Inv-Density whereas the economic impact was
captured by the GDP. GDP is considered a strong predictor of
numerous economic activities such as resource consumption (fuel,
food, energy etc); therefore was also assumed to contribute to the
prediction of energy consumption.

Kết quả (Việt) 1:

2. phương phápMột phương pháp hồi quy dựa trên đã được sử dụng để phát triển các công cụ chodự toán tiêu thụ năng lượng đô thị toàn cầu và lượng khí thải. Dothiếu tính sẵn có của dữ liệu tiêu thụ năng lượng cho một lượng lớnsố khu đô thị, các mô hình dựa trên các dữ liệu thực nghiệmtừ 22 thành phố. Thiết lập dữ liệu bao gồm các thành phố từ 5 châu lục vớiGDP bình quân đầu người (năm 2008 PPP USD) thay đổi từ $2732 (Dar es Salaam)đến $60,751 (thành phố New York); và thành phố kích cỡ khác nhau, từ 432,000(Geneva) với 18.15 triệu (Thượng Hải). Mô hình hồi quyphát triển xem xét thiết kế đô thị và khí hậu độc lậpbiến. Mỗi của các bước tham gia được thảo luận chi tiết dưới đây:2.1. phát triển các phương trình hồi qui để sử dụng năng lượngĐể phát triển một mô hình tiên đoán có thể được sử dụng cho các3646 khu vực đô thị; một số các biến giải thích cho tiêu thụ năng lượngđã được khám phá. Đó là: Degree Days cho hôm qua (HDD),Tổng sản phẩm quốc nội (GDP), đô thị hoá diện tích bình quân đầu người (InvDensity)và học qua (CDD).HDD và CDD nắm bắt các hiệu ứng khí hậu. Ổ cứng được tính toánDựa trên nhiệt độ không khí bên ngoài và nhiệt độ tài liệu tham khảo(18 C) dưới đây có hệ thống sưởi được giả định được yêu cầu trong các tòa nhà.Vì vậy, ổ cứng có thể được giả định là một yếu tố dự báo mạnh mẽ của hệ thống sưởi năng lượngtiêu thụ trong khu vực đô thị. CDD cũng được tính toán dựa trênnhiệt độ không khí bên ngoài và tham khảo nhiệt độ (25 C) ở trênlàm mát mà là bắt buộc cho các tòa nhà. CDD chỉ được coi làmột biến giải thích cho việc tiêu thụ điện năng kể từ khi làm mátchỉ được thực hiện bởi điện ở khu vực đô thị. Hiệu quả thiết kế đô thịbị bắt bởi Inv-mật độ trong khi tác động kinh tếbị bắt bởi GDP. GDP được coi là một yếu tố dự báo mạnh mẽ củanhiều hoạt động kinh tế chẳng hạn như tiêu thụ tài nguyên (nhiên liệu,thực phẩm, năng lượng v.v.); do đó cũng đã được giả định đóng góp vào cácdự báo tiêu thụ năng lượng.

Kết quả (Việt) 2:

2. Phương pháp
Một cách tiếp cận dựa trên hồi quy được sử dụng để phát triển các công cụ để
ước lượng tiêu thụ năng lượng đô thị toàn cầu và lượng khí thải. Do
thiếu sẵn sàng của dữ liệu tiêu thụ năng lượng cho một lượng lớn
số lượng các khu đô thị, các mô hình đã được dựa trên dữ liệu thực nghiệm
từ 22 thành phố. Các bộ dữ liệu bao gồm các thành phố từ 5 châu lục với
GDP bình quân đầu người (2008 PPP USD) dao động từ $ 2732 (Dar es Salaam)
đến $ 60,751 (New York City); và kích cỡ thành phố khác nhau, từ 432.000
(Geneva) đến 18.150.000 (Thượng Hải). Các mô hình hồi quy được
phát triển xem xét khí hậu và đô thị độc lập thiết kế
biến. Mỗi bước có liên quan được thảo luận chi tiết dưới đây:
2.1. Phát triển các phương trình hồi quy để sử dụng năng lượng
Để phát triển một mô hình dự đoán rằng có thể được sử dụng cho
3646 khu vực đô thị; nhiều biến giải thích cho mức tiêu thụ năng lượng
đã được khám phá. Đó là: ngày mức độ sưởi ấm (HDD),
Tổng sản phẩm quốc nội (GDP), khu vực đô thị hoá bình quân đầu người (InvDensity)
và ngày mức độ làm mát (CDD).
HDD và CDD chụp những ảnh hưởng khí hậu. HDD được tính toán
dựa vào nhiệt độ không khí bên ngoài và nhiệt độ tham chiếu
(18 ° C) dưới đây mà sưởi ấm được giả định được yêu cầu trong các tòa nhà.
Do đó, ổ cứng có thể được giả định là một yếu tố dự báo mạnh mẽ của năng lượng nhiệt
tiêu thụ ở các khu vực đô thị. CDD cũng được tính toán dựa trên
nhiệt độ không khí bên ngoài và nhiệt độ tham chiếu (25 ° C) ở trên
mà làm mát là cần thiết cho các tòa nhà. CDD chỉ được coi là
một biến giải thích cho mức tiêu thụ điện từ làm mát
chỉ được thực hiện bằng điện tại các khu vực đô thị. Các hiệu ứng thiết kế đô thị được
bắt bởi NN-Density trong khi tác động kinh tế được
bắt bằng GDP. GDP được coi là một yếu tố dự báo mạnh mẽ của
nhiều hoạt động kinh tế như tiêu thụ tài nguyên (nhiên liệu,
thực phẩm, năng lượng vv); do đó cũng được giả định để góp phần vào việc
dự đoán mức tiêu thụ năng lượng.