Вэс факторы размещения: Географические факторы развития возобновляемой энергетики | C.O.K. archive

Содержание

Географические факторы развития возобновляемой энергетики | C.O.K. archive | 2015

Географические факторы развития возобновляемой энергетики

Вероятно, ответ на вопрос, в каких странах энергетика на возобновляемых источниках развита лучше, будет: «В технически и экономически передовых — Северной Америке, Западной Европе, Японии, Австралии». Но это лишь отчасти так. Есть и другие закономерности развития возобновляемой энергетики, в том числе связанные с географическим положением и природными условиями. Это естественно, учитывая зависимость ВИЭ от природных факторов, таких как количество поступающей на Землю солнечной энергии, сила ветров, продуктивность биосферы, наличие геотермальных источников, речной сток в единицу времени.

Структура мирового производства электроэнергии на ВИЭ

Рассмотрим это на примере производства электроэнергии. Общие объёмы и структура мирового производства электроэнергии по источникам представлена в табл. 1. Рассмотрим ведущих мировых производителей электроэнергии на возобновляемых источниках в абсолютном выражении (табл. 2). Детализация по регионам мира и ведущим производителям электроэнергии рисует сложную картину, местами прямо противоположную представлениям о лидерстве западных стран.

Из табл. 2 мы видим, что наиболее высока доля ВИЭ в энергобалансе (более 56 %) в странах Центральной и Южной Америки. При этом доля данного региона в мировом производстве электроэнергии на ВИЭ составляет 17,4 % (820 из 4715 млрд кВт·ч), что существенно выше его доли в мировом производстве электроэнергии в целом, составляющей 6,8 % (1456 млрд из 21,532 трлн кВт·ч).

Далее, высокая доля ВИЭ (50,6 %) характерна для африканских стран, не входящих в число ведущих производителей на континенте. При этом в ряде стран континента (Конго, Эфиопия, Замбия, Мозамбик) она достигает практически 100 %.

Наиболее высока доля возобновляемых источников энергии в энергобалансе (более 56%) в странах Центральной и Южной Америки. При этом доля данного региона в мировом производстве электроэнергии на возобновляемых источниках энергии составляет 17,4 %

На страны Азии вне Ближнего Востока приходится, прежде всего, наибольший абсолютный объём производства возобновляемой электроэнергии — 1502 млрд кВт·ч или 31,9 % мирового. Примерно 2/3 этого объёма или более 1000 млрд кВт·ч приходится на Китай.

Если говорить о доле ВИЭ в энергобалансе, то он несколько ниже среднего мирового уровня (17,7 % против 21,9 %), но за счёт Японии, Южной Кореи и Тайваня. Напротив, максимальная доля ВИЭ в данном регионе принадлежит Вьетнаму (44,9 %), Пакистану (31,9 %), Филиппинам (29,6 %), а также остальным, сравнительно небольшим азиатским странам-производителям электроэнергии. Доля ВИЭ в их электроэнергетическом балансе составляет в среднем 24 %, а в ряде случаев превышает 70 % (Афганистан, Мьянма, Северная Корея) или даже 90 % (Бутан, Лаос, Непал).

Среди стран «третьего мира» также выделяется Папуа — Новая Гвинея, где доля ВИЭ составляет 32,8 %.

Доля возобновляемых источников энергии в Европе (29,1 %) существенно превосходит среднюю мировую, в то же время в Северной Америке она ниже (19,4 %), при этом в отдельно взятых США — всего 12,4 %, а в Японии и Австралии (12,7 и 10,1 %, соответственно) существенно ниже, чем в мире в среднем, и заметно ниже, чем в России (16,6 %).

Таким образом, исходя из данных цифр, приходится говорить не о лидерстве, а о среднем уровне развития возобновляемой энергетики в группе стран, считающихся экономически наиболее развитыми, в то время как лидерство принадлежит Центральной и Южной Америке и ряду стран Азии и Африки.

При этом доля ВИЭ в энергобалансе резко различается и внутри группы развитых стран — от 21-24 % в Германии и Испании и даже 50-100 % в ряде менее крупных стран (Норвегии, Исландии, Новой Зеландии, Дании) до 10-14 % (существенно ниже средних мировых показателей) в Австралии, Японии, США, Нидерландах, Бельгии.

Россия, о которой речь пойдёт более подробно в следующих материалах, также по доле ВИЭ в электроэнергетике занимает среднее положение в мире, уступая в среднем Европе, но превосходя США, Японию и Австралию.

География мировой гидроэлектроэнергетики

Данный эффект определяется учётом гидроэлектроэнергии, на которую приходится 77 % производства всей электроэнергии на основе ВИЭ.

Размещение же ГЭС подчинено, прежде всего, наличию гидроэнергетических ресурсов. Мы можем выделить несколько регионов, где они наиболее велики благодаря сочетанию геоморфологических и климатических условий, обеспечивающих полноводность и достаточно большие уклоны рек, и где производится в настоящее время основная часть гидроэлектроэнергии мира.

Как правило, это предгорные районы:

1. Территории Центральной и Южной Америки, прилегающие к Андам, Гвианскому и Бразильскому плоскогорьям в бассейнах Амазонки, Ориноко, Параны и других полноводных рек — там производится более 700 млрд кВт·ч в год или более 20 % мирового производства электроэнергии.

2. Центральная и Южная Африка в бассейнах Нила, Конго, Замбези и Лимпопо, также берущих начало в горных районах, связанных с Восточно-Африканским рифтом (Эфиопское нагорье, ВосточноАфриканское плоскогорье, Рувензори) — около 100 млрд кВт·ч или 3 % мирового.

3. Территории Южной и Восточной Азии, связанные с горными системами Памира, Тибета и Гималаев и бассейнами рек Инда, Ганга, Брахмапутры, Иравади, Янцзы, Меконга — более 1000 млрд кВт·ч или 30 % мирового.

4. Центральная и северная части Северной Америки (юго-западные, южные и юго-восточные районы Канады и северные районы США), прилегающие к Кордильерам и Лаврентийской возвышенности в бассейнах рек Колумбия, Миссури, Черчилл, Святого Лаврентия — около 500 млрд кВт·ч или 15 % мирового.

5. Скандинавский полуостров (Норвегия, Швеция и, в несколько меньшей степени, Финляндия), склоны и отроги Скандинавских гор, бассейны рек Гломма, Вефсна, Намсен, Лулеэльв, Умеэльв, Оунасйоки, Кемийоки и др. — более 230 млрд кВт·ч, что составляет 7 % мирового и 43 % европейского производства электроэнергии.

РФ относится к числу ведущих мировых производителей электроэнергии на ГЭС. На нашу страну приходится более 5 % мирового производства. По выработке гидроэлектроэнергии РФ занимает пятое место в мире

Таким образом, на этих пяти массивах, занимающих примерно 25-30 % площади земной суши, вырабатывается около 75 % мировой гидроэлектроэнергии. При этом гидроэнергетический потенциал Латинской Америки, Азии и, тем более, Африки остаётся в значительной степени неосвоенным.

Фактор общего экономического развития в объёмах производства гидроэлектроэнергии играет свою роль. Однако доля развитых стран (упомянутой выше «триады» Северная Америка, Европа,

Япония) ниже их доли в общем производстве электроэнергии в мире, и этот разрыв имеет тенденцию к некоторому увеличению на фоне общего снижения доли мировых экономических лидеров в производстве электроэнергии (рис. 1).

Можно выделить ещё ряд территории с высоким гидроэнергетическим потенциалом и существенным производством электроэнергии на ГЭС. В Европе это, прежде всего, горные и предгорные южные районы — Пиренеи, Альпы, Апеннины. К числу крупных европейских производителей энергии за счёт ГЭС относятся Швейцария, Австрия, Франция, Италия.

Среди западных стран выделяются также Исландия, где на ГЭС приходится 70 % выработки электроэнергии при 16 % в среднем в Европе и Новая Зеландия, где на ГЭС приходится более 52 % выработки электроэнергии. Это примеры небольших стран с высоким природным и технико-экономическим потенциалом ВИЭ, который они активно используют, обеспечивая себя энергией главным образом из возобновляемых источников. Соответственно, 100 и 72 % выработки электроэнергии в этих странах приходится на ВИЭ в целом. Но, как отмечалось выше, в этом же ряду находятся и далеко не самые богатые и развитые азиатские и африканские страны (рис. 2а).

Крупным производителем гидроэлектроэнергии и обладателем высокого гидроэнергетического потенциала также является Япония, на которую приходится 75 млрд кВт·ч или 2 % мирового производства электрической энергии. В то же время при общих размерах японской экономики и связанных с ней больших объёмах производства электроэнергии доля ГЭС невысока по сравнению с большинством стран со сходными природными условиями.

Что касается России, то значительные ресурсы и объёмы производства электроэнергии связаны также с территориями, соседними со Скандинавией и связанными с Балтийским щитом — Кольским полуостровом и Карелией, Кавказом и горными массивами Южной Сибири и Дальнего Востока. Отметим, что роль каскада ГЭС на Волге снижается — на них в настоящее время приходится около 3 % всей выработки электроэнергии в стране и менее 20 % гидроэлектроэнергии. Одна Саяно-Шушенская ГЭС на Енисее по мощности и потенциальной выработке электроэнергии сопоставима со всем волжским каскадом.

Россия относится к числу ведущих мировых производителей электроэнергии на ГЭС. На нашу страну приходится более 160 млрд кВт·ч в год или 5 % мирового производства. По выработке гидроэлектроэнергии Россия занимает пятое место в мире после Китая (850 млрд), Бразилии (411 млрд), Канады (377 млрд) и США (276 млрд кВт·ч). В то же время гидроэнергетический потенциал России также остаётся освоенным далеко не в полной мере — прежде всего, это относится к территориям к востоку от Урала.

Представление о масштабах недоиспользования потенциала гидроэнергии может дать сопоставление с Канадой — страной, сходной с Российской Федерацией по природным условиям и сопоставимой по территории, где общий объём производства электроэнергии на ГЭС выше в 2,3 раза, а плотность производства (в кВт·ч на 1 км² площади страны) — выше в 3,9 раз.

Что же касается стран бывшего СССР, то значительным гидроэнергетическим потенциалом, также далеко не полностью используемым, обладают как государства Южного Кавказа (Грузия, Армения и Азербайджан), так и Средней Азии, прилегающие к Памиру и Тянь-Шаню (Таджикистан, Киргизия, отдельные районы Казахстана и Узбекистана). На гидроэнергетику приходится 95 % всего производства электроэнергии в Таджикистане, 94 % — в Киргизии, более 75 % — в Грузии, 30 % — в Армении, 22 % — в Узбекистане, 8,8 % — в Казахстане, 8,3 % — в Азербайджане.

Добавим, что крупнейшие ГЭС также построены в обозначенных выше регионах мира — в частности, «Три ущелья» и Силоду на реке Янцзы в Китае (22,5 и 13,9 ГВт), Итайпу на реке Парана на границе Парагвая и Бразилии (14 ГВт), Гури на реке Карони в Венесуэле (10,2 ГВт) и др. В этом перечне самая крупная российская ГЭС (Саяно-Шушенская, 6,4 ГВт), занимает примерно 9-10 место. В этих же регионах в настоящее время проектируется и строится ещё ряд крупных и сверхкрупных ГЭС (рис. 2а).

Энергетика на ВИЭ (кроме ГЭС) — закономерности размещения

Если рассматривать ВИЭ без учёта ГЭС, включая только геотермальную, солнечную, ветровую и биологическую энергию, то в данном случае зависимость от уровня экономического развития страны вырисовывается более отчётливо, но природно-географических закономерностей она также не отменяет. Рассмотрим цифры из табл. 2, связанные с объёмами и долями производства электроэнергии на основе ВИЭ, кроме ГЭС, и табл. 3, где даётся разбивка ВИЭ по источникам энергии. В данном случае безусловного лидерства ведущих западных стран также нет. Всего на долю ВИЭ, помимо ГЭС, приходится 5 % мирового производства электроэнергии или 1069 млрд кВт·ч в 2012 году. Выделим регионы и ряд отдельных стран, где доля ВИЭ в энергетике выше среднемировой (табл. 3):

1. На первом месте с 17,3 % оказывается Центральная Америка (Белиз, Гватемала, Гондурас, Никарагуа, Коста-Рика, Панама). Высокая доля ВИЭ достигается почти в равной мере за счёт геотермальной и биоэнергетики. В силу в целом незначительного производства электроэнергии абсолютные величины производства электроэнергии на ВИЭ также невелики — 8 млрд кВт·ч в год или всего 0,8 % мирового объёма. В тоже время в мировом производстве геотермальной энергии доля региона составляет уже 6 % (4 млрд кВт·ч), а в производстве биоэнергии — около 1 % (1 млрд кВт·ч).

2. Второе место принадлежит Европе с 13 % и высокой долей использования как ветровой, так и солнечной энергии, а также биоэнергетике. При этом в Европе максимальный объём производства электроэнергии на ВИЭ в абсолютных величинах — 440 млрд кВт·ч или почти 44 % общемирового.

3. Далее следует группа стран Южной Америки — Бразилия, Чили, Уругвай, где доля ВИЭ составляет от 7,5 до 11 %, прежде всего, за счёт биоэнергетики. В данном случае это 47 млрд кВт·ч или 4,5 % мирового производства, а в биоэнергетике — более 40 млрд кВт·ч или 11 % мирового производства.

4. За ними следуют США с 5,7 % за счёт, прежде всего, ветроэнергетики (3,5 %). В абсолютных единицах они занимают второе место после Европы — 232 млрд кВт·ч в год или 22 % от мирового.

Геотермальная энергетика чётко привязана к определённым геолого-тектоническим условиям. Ветроэнергетика в наибольшей степени развита на атлантическом побережье. Развитая солнечная энергетика характерна для юга Европы и Средиземноморских стран

Кроме того, выделяется ряд отдельных стран и групп стран с высокой долей того или иного возобновляемого источника энергии в энергобалансе:

1. Группа островов Карибского моря (Аруба, Гваделупа, Ямайка) с долей ВИЭ 5,6-9,1 % (в случае Арубы за счёт ветроэнергии, на Гваделупе за счёт геотермальной энергии, на Ямайке за счёт ветроэнергии и биоэнергии примерно равны).

2. Фолклендские острова с 16,7 % за счёт ветровой энергии.

3. Кения в Африке с 23,8 %, прежде всего, за счёт геотермальной энергии, а также за счёт биоэнергии.

4. Группа восточноафриканских островных и континентальных стран — Маврикий, Реюньон, Судан (с Южным Суданом) с долей ВИЭ от 5,3 до 19,0 %, прежде всего, за счёт биоэнергии.

5. Группа стран Юго-Восточной Азии и Океании — Индонезия (5,2 %), Филиппины (15,1 %), Папуа — Новая Гвинея (11,9 %), Новая Зеландия (20,6 %), где высокая доля ВИЭ связана главным образом с геотермальными источниками, хотя в Новой Зеландии заметное место занимают и ветроэлектростанции.

Отдельно следует рассмотреть Европу — регион мира с наиболее развитой энергетикой на ВИЭ и, в то же время, неоднородный (табл. 4).

Абсолютные объёмы производства электроэнергии на ВИЭ в странах Европы в высокой степени коррелируют с общим объёмом производства электроэнергии по странам. В частности, первая пятёрка производителей электроэнергии в целом также лидирует в производстве электроэнергии на ВИЭ.

В то же время есть свои пространственные различия. В частности, лидерами (с большими абсолютными объёмами и высокой долей в структуре) производства по видам источников являются: геотермальная (Исландия, Италия), ветровая (Испания, Германия, Великобритания, Италия, Дания, Португалия, Ирландия), солнечная (Германия, Италия, а также Испания) и биоэнергия (Германия, Великобритания, Италия, Швеция, Финляндия, Дания, Польша, Нидерланды).

Геотермальная энергетика чётко привязана к определённым геолого-тектоническим условиям. Ветровая энергетика в наибольшей степени развита на атлантическом побережье. Развитая солнечная энергетика в большей степени характерна для юга Европы и Средиземноморских стран. Биоэнергетика в большей степени развита в Центральной и Северной Европе, что можно связать с развитым сельским и лесным (в Финляндии и Швеции) хозяйством.

Германия, занимающая центральное положение в Европе, отличается равномерно высоким развитием всех типов энергетики на возобновляемых источниках, кроме геотермальной. При этом геотермальная энергетика практически полностью отсутствует где-либо, кроме Исландии и Италии, а солнечная отсутствует в странах Северной Европы.

Кроме того, наиболее высокая доля ВИЭ в энергобалансе характерна для небольших стран — Дания (50,7 %), Португалия (31,7 %), Исландия (29,9 %).

Таким образом, в общей структуре мирового производства электроэнергии на ВИЭ (без учёта ГЭС) на Западную Европу и Северную Америку приходится более 65 % мирового производства, с Японией, Южной Кореей и Австралией — более 70 %, хотя этот показатель вместе с общей долей этих стран в производстве электроэнергии постепенно снижается. Тем не менее, в отличие от гидроэнергии (рис. 1), фактор общего экономического развития страны играет ключевую роль, и доля ведущих стран мира в производстве ветровой, солнечной и биоэнергии выше их доли в общем мировом производстве электрической энергии (рис. 3).

В то же время, мы видим, что существуют и природно-географические факторы, создающие сложную мозаичную картину, приведённую выше. Для её упорядочения привяжем регионы к источникам энергии (табл. 5). Наиболее чётко проявляется привязка к определённым природным условиям у геотермальной энергетики. Основная её часть привязана к Огненному поясу Земли или Тихоокеанскому вулканическому кольцу — окаймляющей Тихий океан зоне разломов повышенной сейсмической и вулканической активности и высокого теплового потока из недр, что создаёт благоприятные условия для развития на этой территории геотермальной энергетики.

В нашем случае это острова Восточной и Юго-Восточной Азии и Океании на западном побережье Тихого океана и Америка (Центральная и западная часть Северной, в частности, запад США) на противоположной его стороне. Сюда же входит Япония, где на данный момент на геотермальную энергетику приходится 3 млрд кВт·ч выработки электроэнергии или 4,4 % мирового объёма. Также сюда входят российские Сахалин, Курильские острова и Камчатка, где геотермальная энергетика хорошо развита в местном масштабе (обеспечивая, в частности, около 40 % энергопотребления Камчатского края), и продолжается строительство новых геотермальных станций.

Три других заметных очага развития геотермальной энергетики отличаются сходными геолого-тектоническими условиями. Это Исландия, где повышенный потенциал геотермальной энергии связан со Срединно-Атлантическим хребтом, Италия, находящаяся в Альпийско-Гималайской зоне высокой тектонической активности, и Кения, где геотермальная энергия привязана к Восточно-Африканскому рифту. К той же зоне, что Италия, относится и Кавказ. Как следствие, до некоторой степени геотермальная энергетика развита в Турции и российской части Кавказа, где геотермальные воды используются, главным образом, для отопления, и также идёт строительство новых мощностей. В свою очередь, перспективы и планы развития геотермальной энергетики существуют не только в Кении, но и других восточноафриканских странах.

Более сложная картина в биоэнергетике, где уровень развития определяется комбинацией высокой естественной продуктивности биосферы, развитого сельского хозяйства и, в ряде случаев, лесопромышленного комплекса и общим уровнем технико-экономического развития страны. Ведущие позиции в биоэнергетике занимают Европа (прежде всего Северная и Центральная) и Северная Америка (прежде всего, США), Центральная и Южная Америка и восточноазиатский кластер, включающий Китай и Японию.

Более сложная картина в биоэнергетике, где уровень развития определяется комбинацией высокой естественной продуктивности биосферы, развитого сельского хозяйства, лесопромышленного комплекса и общим уровнем технико-экономического развития страны

Европу и Северную Америку можно объединить в Северный пояс развития биоэнергетики. Сюда же включается и территория России — прежде всего северо-западные районы, а в последние годы также юг Сибири и Дальнего Востока. Биоэнергия в данный момент не играет какой-либо роли в производстве электроэнергии в нашей стране. Однако Российская Федерация является одним из ведущих мировых производителей (наряду с Канадой, США и скандинавскими странами) древесных пеллет на базе развитого лесопромышленного комплекса, основная часть которых в настоящее время идёт на экспорт в страны Западной Европы, а в последнее время также и Восточной Азии [1].

В то же время при улучшении внутренней конъюнктуры возможно и развитие внутреннего рынка с существенным ростом доли биоэнергии в энергетическом балансе России.

В Центральной и Южной Америке выделяется, прежде всего, Бразилия. Благодаря комбинации высокой доли гидроэлектроэнергии (см. выше) и биоэнергии Бразилия отличается наиболее высокой (около 85 %) долей ВИЭ в электроэнергетическом балансе среди крупных мировых производителей электроэнергии.

Восточная Азия (Китая и Япония) на данный момент объединяет преимущества западных (развитая экономика) и латиноамериканских (благоприятные естественные предпосылки) стран в биоэнергетике, и, вероятно, в регионе следует ожидать дальнейшего роста данного сегмента.

Свои перспективы развития биоэнергетики имеет и Африка, как мы видим на примере некоторых стран континента (табл. 3), но, вероятно, в силу общего экономического и политического неблагополучия региона, масштабное развитие следует считать делом сравнительно отдалённого будущего.

Развитие ветроэнергетики в ещё большей степени определяется общим экономическим лидерством страны или региона. В то же время наблюдается определённая неравномерность внутри группы развитых стран. Ветроэнергетические мощности, например, Европы концентрируются, прежде всего, в странах атлантического побережья, в зонах стабильных и сильных ветров. В дополнение к этому обозначается очаг развития ветроэнергетики на Антильских островах (табл. 3) и других островных территориях (Фолклендские острова), что имеет те же естественные предпосылки.

В целом, наиболее перспективно использование ветроэнергии в прибрежных зонах, которые не ограничены Северной Атлантикой, а также на открытых континентальных пространствах (в частности, в степях).

Что касается солнечной энергетики, то она, на данный момент, вероятно, в наибольшей степени привязана к общим экономическим и политическим факторам. В 2012 году почти 60 % мирового производства солнечной электроэнергии приходилось на три европейские страны — Германию (27 %), Италию (20 %) и Испанию (13 %). В то же время мы видим, что внутри группы развитых стран производство солнечной энергии смещено в зоны с более высокой солнечной энергией (в Средиземноморье) и практически отсутствует в Северной Европе. Дальнейшее развитие солнечной энергетики, в частности, в Средиземноморском бассейне, вероятно, следует считать делом сравнительно близкого будущего. В условный средиземноморский пояс можно включить и юг европейской части России; более того, большая часть проектов солнечной энергетики и имеющихся мощностей в нашей стране сосредоточена именно там (Республика Крым, Краснодарский край, Ставропольский край и сопредельные территории).

Выводы

С географических позиций можно выделить следующие частично перекрывающиеся крупные мировые зоны или пояса развития различных типов возобновляемой энергетики, помимо гидроэнергетики (рис. 2б):

1. Тихоокеанский геотермальный (связанный с Тихоокеанским огненным кольцом Земли).

2. Три биоэнергетических — Северный, Центрально-Южноамериканский и Восточноазиатский.

3. Североатлантический ветровой.

4. Средиземноморский солнечный.

Следует сделать оговорку — в наибольшей степени природные физикогеографические и геологические факторы действуют в отношении гидроэнергетики, геотермальной и биоэнергетики.

В солнечной и ветроэнергетике — отраслях со сравнительно недавней историей масштабного развития — на первое место выходят факторы общего экономического и технологического развития в сочетании с целенаправленной государственной политикой стимулирования. В то же время географические аспекты в распределении мощностей и производство ветровой и солнечной энергии проявляются уже сейчас и, вероятно, будут усиливаться в дальнейшем.

Потенциально дальнейшее развитие энергетики на основе возобновляемых источников энергии может быть связано как с этими поясами, так и с освоением новых территорий с благоприятными естественными предпосылками. Вероятно, географический фактор развития возобновляемой энергетики будет усиливаться. Это связано как с диффузией технологий из стран технологического Центра («триада» Северная Америка, Европа, Япония) на Полупериферию и Периферию [2], так и с общими тенденциями развития возобновляемой энергетики, о которых говорилось в одной из предыдущих статей [3], связанными с ростом прагматизма в отношении развития отрасли.

Дальнейшее развитие энергетики на основе возобновляемых источников энергии может быть связано как с мировыми поясами применения ВИЭ, так и с освоением новых территорий с благоприятными естественными предпосылками. Вероятно, географический фактор развития ВИЭ будет усиливаться. Это связано как с диффузией технологий из стран технологического Центра, так и с общими тенденциями развития идеологии применения возобновляемых источников энергии

С большой вероятностью в силу удачного сочетания природно-ресурсных и экономических предпосылок лидирующее положение в энергетике на основе ВИЭ захватят, как это уже произошло или происходит в целом ряде сфер, страны Восточной и Юго-Восточной Азии. В частности, уже в 2014 году доля Китая в мировом производстве солнечных батарей превысила 60 %, и с этой продукцией Китай доминирует не только на внутреннем, но и на европейском рынке, вытесняя местных производителей. По общему количеству установленных мощностей ветроэлектростанций Китай вышел на первое место в мире, а по темпам роста энергетики на основе ВИЭ также занимает лидирующие позиции.

Что касается России, то наш потенциал развития энергетики на основе ВИЭ, как природный, так и технико-экономический, также использован далеко не в полной мере, и у нас есть свои ниши для развития возобновляемой энергетики по ряду направлений. Об этом подробнее в следующих статьях.

Какие площади нужны для размещения солнечных и ветровых электростанций — исследование WWF

Часто приходится слышать, что «низкая плотность» солнечной и ветровой электроэнергии обусловливает слишком высокую потребность в земельных ресурсах для размещения объектов генерации, работающих на основе этих возобновляемых источников энергии. По данному вопросу даже ведутся оживлённые научные дискуссии, и тезис о «нехватке земли» является одним из аргументов противников развития ВИЭ.

На днях немецкое отделение Фонда дикой природы (WWF) опубликовало фундаментальное, на 162 страницах, исследование «Энергетическая система будущего II — Регионализация производства возобновляемой электроэнергии», в котором в том числе рассчитано, где и какие площади могут/должны быть задействованы в случае, если энергосистема ФРГ к 2050 году будет практически полностью, на 95%, работать на основе ВИЭ.

Над докладом работал ряд организаций, в том числе специализированная компания по территориальному планированию Bosch & Partner. То есть тема был исследована вдоль и поперёк.

Авторы проанализировали всю территорию страны, и установили, где могут быть размещены солнечные и ветровые электростанции, принимая во внимание всевозможные ограничения, будь то минимальные расстояния от границ поселений или вопросы зашиты природы и редких видов.

В работе рассматриваются два сценария развития ВИЭ. В базовом сценарии («Energiewende-Referenz») для размещения объектов возобновляемой генерации к 2050 году используется примерно 2,5% площади страны. При этом установленная мощность материковой ветроэнергетики к 2050 г достигнет 178 ГВт, офшорной ветроэнергетики – 51 ГВт, солнечной энергетики – 154 ГВт.

В сценарии более интенсивного развития солнечной энергетики («Fokus Solar») будет задействовано меньше – примерно 2%, поскольку предполагается в большей степени развивать кровельное направление сектора, и сократить, по сравнению с первым сценарием, мощности ветроэнергетики на суше. В данном сценарии к 2050 г установленная мощность материковой ветроэнергетики составит 115 ГВт, офшорной ветроэнергетики – 51 ГВт, солнечной энергетики – 313 ГВт.

Динамика развития и структура мощностей солнечной и ветровой энергетики в обоих сценариях изображены на графике (оранжевым цветом обозначены кровельные электростанции):

Оба сценария могут быть реализованы без каких-либо существенных земельных ограничений. По расчётам авторов для размещения солнечных и ветровых электростанций непригодно примерно 95% площади Германии в среднем (исключены населенные пункты, транспортная инфраструктура, болота и пустоши, леса районы, водные акватории и районы добычи полезных ископаемых). В то же время в базовом сценарии в отдельных регионах после 2045 года могут возникнуть «мягкие ограничения». Речь идёт о потенциальном конфликте между разными видами деятельности. В сценарии же более интенсивного развития солнечной генерации данные ограничения снимаются.

Важно отметить, что в исследовании WWF приводится крайне консервативная оценка площадей, которые могут быть отведены под солнечные и ветровые электростанции (5%). В более раннем исследовании немецкого Бюро по охране окружающей среды (Umweltbundesamt) фигурировала цифра 14%.

Пару слов о самой модели.

Поскольку в обоих сценариях предполагается активное развитие кровельной солнечной генерации, авторы прогнозируют, что число распределенных (домашних) накопителей энергии вырастет радикально. В первом сценарии их мощность к 2050 году вырастет до 46,8 ГВт, во втором – аж до 94,8 ГВт, и они станут одним из ключевых инструментов повышения маневренности энергосистемы.

Развитие других ВИЭ не прогнозируется, и структура мощностей всей возобновляемой энергетики выглядит вот так:

Угольная генерация полностью сворачивается к 2035 году.

К 2050 году в системе остаются внушительные мощности газовых электростанций – 19 ГВт в обоих сценариях, но их выработка будет незначительной.

Детальная структура мощностей и выработки в динамике по годам приведена на странице 148 и далее.

Подведем итоги.

Принципиальная структура энергетической системы будущего в ФРГ не подвергается сомнению. Это будет система с доминирующей долей ВИЭ, а именно ветровой и солнечной энергетики. В настоящее время немецкий закон о возобновляемых источниках энергии (EEG) предусматривает, что к 2050 году ВИЭ должны покрывать как минимум 80% потребления электроэнергии. Не исключено, что данная цель будет пересмотрена в сторону повышения.

Новое исследование ещё раз подтверждает, что такая энергосистема возможна и для её формирования нет пространственных ограничений.

Предыдущая статьяКомиссия по законопроектной деятельности одобрила законопроект о микрогенерацииСледующая статьяОбъект Power-to-Gas мощностью 100 МВт будет построен в Германии

Весовой коэффициент, статистический вес: определение, использование

Определения статистики > Весовой коэффициент

Содержание :

Вес и весовой коэффициент.
Использование при отборе проб.
Использование в ядерной медицине.
Функция веса

Статистический вес — это сумма, присваиваемая для увеличения или уменьшения важности элемента. Веса обычно даются для тестов и экзаменов в классе. Например, за итоговый экзамен можно получить в два раза больше баллов (вдвое больше «веса»), чем за контрольную работу в классе.

Весовой коэффициент — это вес, присваиваемый точке данных, чтобы присвоить ей более легкое или более важное значение в группе. Обычно он используется для расчета средневзвешенного значения, чтобы придать меньшее (или большее) значение членам группы. Он также используется при статистическом отборе проб для корректировки проб и в ядерной медицине для расчета эффективных доз.

Весовые коэффициенты используются при выборке, чтобы сделать выборку соответствующей генеральной совокупности. Например, предположим, что вы взяли выборку населения, в которой было 41% женщин и 59% мужчина. Вы знаете из данных переписи, что женщины должны составлять 51% населения, а мужчины 49%. Чтобы убедиться, что у вас репрезентативная выборка, вы можете добавить немного больше «веса» к данным о женщинах. Чтобы рассчитать, какой вес вам нужен, разделите известный процент населения на процент в выборке. Для этого примера:

Известная популяция женщин (51) / Выборка женщин (41) = 51/41 = 1,24.
Известная популяция мужчин (49) / Выборка мужчин (59) = 49/59= 0,83.

Весовые коэффициенты широко используются в радиологии и ядерной медицине для расчета эффективных доз для процедур. Расчеты взвешивающих факторов ткани (иногда называемых радиологическими весовыми коэффициентами) учитывают тот факт, что разные части тела поглощают излучение с разной скоростью.

Тканевый весовой коэффициент (W _T ) назначается частям тела, причем более радиочувствительным частям присваиваются более высокие весовые коэффициенты.
Эффективная доза = значения доз для отдельных органов * W _Т .

Весовые коэффициенты ткани (ICRP):

W _T = 0,12: желудок, толстая кишка, легкое, красный костный мозг, грудь, оставшиеся ткани,
Вт _Т = 0,08: гонады,
W _T = 0,04: мочевой пузырь, пищевод, печень, щитовидная железа,
W _T = 0,01: поверхность кости, кожа, головной мозг, слюнные железы.

Сначала вы можете прочитать это: Что такое функция?

А весовая функция — это специальная функция, позволяющая придать больший «вес» или влияние некоторым элементам набора. Весовые функции часто используются для измеренных данных и могут использоваться как для дискретных, так и для непрерывных переменных.

Специальная весовая функция w(a): = 1 представляет невзвешенную ситуацию, когда все элементы имеют одинаковый вес.

Функция дискретного веса

Допустим, вы суммируете набор значений; значения конкретной функции f на A. Тогда мы могли бы записать сумму как:

Если мы хотим взвесить наши значения с помощью функции веса w :A→ R+, сумма будет:

Причины Используйте функции взвешивания

Существует ряд причин, по которым вы можете выбрать использование функций взвешивания. Если вы используете различные измерительные инструменты и знаете, что часть вашего набора данных более точна, чем другая часть, использование весовых функций может вам помочь.0005 улучшить соответствие , когда вы оцениваете неизвестные параметры или выбираете кривую для представления модели.

Вы также можете взвешивать, чтобы компенсировать предвзятость (ошибки). Если мы знаем, что некоторые точки данных более предвзяты, чем другие, имеет смысл присвоить им меньший вес при определении вашей модели.

Иногда весовая функция не имеет ничего общего с ошибками измерения или недостаточной точностью из-за систематической ошибки. В инженерных приложениях весовые функции используются для отражения относительного влияния различных сил или параметров. Например, сила, действующая с большого расстояния, потребует меньшего веса, чем сила, действующая с близкого расстояния. Конечно, весовые функции также можно использовать, когда мы работаем с фактической силой, действующей на объект под действием различных весов.

Ссылки

Агрести А. (1990) Категориальный анализ данных. Джон Уайли и сыновья, Нью-Йорк.
Гоник, Л. (1993). Мультяшный путеводитель по статистике. HarperPerennial.
Коц, С.; и др., ред. (2006), Энциклопедия статистических наук, Wiley.
Справочник инженерной статистики NIST. 4.4.5.2. Учет непостоянных изменений в данных. Получено с https://www.itl.nist.gov/div898/handbook/pmd/section4/pmd452.htm 13 июля 2019 г.
Справочник по инженерной статистике NIST. 4.6.3.4 Взвешивание для улучшения посадки. Получено с https://www.itl.nist.gov/div898/handbook/pmd/section6/pmd634.htm от 13 июля 2019 года. «Весовой коэффициент, статистический вес: определение, использование» От StatisticsHowTo.com : Элементарная статистика для всех нас! https://www.statisticshowto.com/weighting-factor/

Нужна помощь с домашним заданием или контрольным вопросом? С Chegg Study вы можете получить пошаговые ответы на ваши вопросы от эксперта в данной области. Ваши первые 30 минут с репетитором Chegg бесплатны!

1. Как работают различные методы взвешивания – Методы Pew Research Center

Исторически опросы общественного мнения основывались на способности корректировать свои наборы данных с использованием основного набора демографических данных – пола, возраста, расы и этнической принадлежности, уровня образования и географического положения. региона – для исправления любых диспропорций между выборкой обследования и генеральной совокупностью. Все эти переменные коррелируют с широким спектром взглядов и моделей поведения, представляющих интерес для исследователей. Кроме того, они хорошо измеряются в крупных высококачественных государственных обследованиях, таких как Опрос американского сообщества (ACS), проводимый Бюро переписи населения США, что означает, что надежные контрольные показатели населения легко доступны.

Но достаточно ли их для уменьшения систематической ошибки при отборе ⁶ в онлайн-опросах? Два исследования, в которых сравнивались взвешенные и невзвешенные оценки онлайн-выборок, показали, что во многих случаях демографическое взвешивание лишь минимально снижало предвзятость, а в некоторых случаях даже усугубляло предвзятость. ⁷ В предыдущем исследовании Pew Research Center, в котором сравнивались оценки из девяти различных онлайн-выборок и американской панели тенденций, основанной на вероятности, выборка, которая показала наименьшее среднее отклонение по 20 контрольным показателям (выборка I), использовала ряд переменных в его процедура взвешивания выходит за рамки базовой демографии и включает такие факторы, как частота использования Интернета, регистрация избирателей, партийная идентификация и идеология. ⁸ В образце I также применялся более сложный статистический процесс, включающий три этапа: сопоставление, последующая корректировка склонности и, наконец, ранжирование (методы подробно описаны ниже).

Настоящее исследование основано на этом предыдущем исследовании и пытается определить, в какой степени включение различных корректирующих переменных или более сложных статистических методов может улучшить качество оценок, полученных на основе добровольных онлайн-выборок опроса. Для этого исследования исследовательский центр Pew провел три крупных опроса, в каждом из которых приняли участие более 10 000 респондентов, в июне и июле 2016 года. В каждом опросе использовалась одна и та же анкета, но разные поставщики онлайн-панелей. Каждому поставщику было предложено создать выборки с одинаковым демографическим распределением (также известным как квоты), чтобы до взвешивания они имели примерно сопоставимые демографические составы. Опрос включал вопросы о политических и социальных взглядах, потреблении новостей и религии. Он также включал множество вопросов, взятых из высококачественных федеральных опросов, которые можно было использовать либо для целей сравнительного анализа, либо в качестве корректирующих переменных. (См. Приложение A для полной методологической информации и Приложение F для анкеты.)

В этом исследовании сравниваются два набора корректирующих переменных: основные демографические (возраст, пол, уровень образования, расовая и латиноамериканская этническая принадлежность, а также перепись населения) и более широкий набор переменных, который включает как основные демографические переменные, так и дополнительные переменные, о которых известно, что связаны с политическими взглядами и поведением. Эти дополнительные политические переменные включают партийную идентификацию, идеологию, регистрацию избирателей и идентификацию как евангелистского христианина и предназначены для корректировки более высокого уровня гражданской и политической активности и демократического уклона, наблюдаемого в предыдущем исследовании Центра.

Анализ сравнивает три основных статистических метода взвешивания данных опроса: ранжирование, сопоставление и взвешивание склонности. Помимо тестирования каждого метода по отдельности, мы протестировали четыре метода, в которых эти методы применялись в различных комбинациях, всего семь методов взвешивания:

Сгребание
Соответствующий
Взвешивание склонности
Сопоставление + взвешивание склонности
Сопоставление + рейкинг
Взвешивание склонностей+ Рейтинг
Соответствие + Взвешивание склонности + Рейкинг

Поскольку разные процедуры могут быть более эффективными при больших или меньших размерах выборки, мы смоделировали выборки обследования разных размеров. Это было сделано путем взятия случайных подвыборок респондентов из каждого из трех (n = 10 000) наборов данных. Размеры подвыборки варьировались от 2 000 до 8 000 с шагом 500. ⁹ Каждый из методов взвешивания применялся дважды к каждому набору данных смоделированного обследования (подвыборке): один раз с использованием только основных демографических переменных и один раз с использованием как демографических, так и политических показателей. ¹⁰ Несмотря на использование разных поставщиков, эффекты каждого протокола взвешивания в целом были одинаковыми для всех трех образцов. Поэтому для упрощения отчетности результаты, представленные в этом исследовании, усреднены по трем выборкам.

Как мы объединили несколько опросов для создания синтетической модели населения

Часто исследователи хотели бы взвесить данные, используя цели населения, полученные из нескольких источников. Например, Исследование американского сообщества (ACS), проводимое Бюро переписи населения США, обеспечивает высококачественные демографические показатели. Дополнение к Текущему обследованию населения (CPS) по голосованию и регистрации обеспечивает высококачественные показатели регистрации избирателей. Никакие государственные опросы не измеряют партийность, идеологию или религиозную принадлежность, но они измеряются в таких опросах, как Общий социальный опрос (GSS) или Исследование религиозного ландшафта исследовательского центра Pew Research Center (RLS).

Для некоторых методов, таких как сгребание, это не представляет проблемы, поскольку они требуют только сводных показателей распределения населения. Но другие методы, такие как сопоставление или взвешивание склонности, требуют набора данных на уровне случая, который содержит все корректирующие переменные. Это проблема, если переменные берутся из разных обследований.

Чтобы решить эту проблему, мы создали «синтетический» набор данных о населении, в который были включены данные из ACS и добавлены переменные из других эталонных обследований (например, CPS и RLS). В этом контексте «синтетический» означает, что некоторые данные были получены в результате статистического моделирования (вменения), а не непосредственно из ответов участников опроса. ¹¹

Первым шагом в этом процессе было определение переменных, которые мы хотели добавить в ACS, а также любых других вопросов, которые были общими для различных эталонных опросов. Затем мы взяли данные для этих вопросов из разных эталонных наборов данных (например, ACS и CPS) и объединили их в один большой файл с делами или записями интервью из каждого опроса, буквально сложенными друг над другом. Некоторые вопросы, такие как возраст, пол, раса или штат, были доступны во всех контрольных опросах, но другие имеют большие пробелы с отсутствующими данными для случаев, которые получены из опросов, в которых они не задавались.

Следующим шагом было статистическое заполнение пробелов в этом большом, но неполном наборе данных. Например, во всех записях ACS отсутствовала регистрация избирателей, которую это обследование не измеряет. Мы использовали метод множественного вменения с помощью цепных уравнений (MICE), чтобы заполнить недостающую информацию. ¹² MICE заполняет вероятные значения на основе статистической модели с использованием общих переменных. Этот процесс повторяется много раз, и с каждой итерацией модель становится более точной. В конце концов, все случаи будут иметь полные данные по всем переменным, использованным в процедуре, при этом вмененные переменные будут следовать тому же многомерному распределению, что и обследования, в которых они были фактически измерены.

Результатом является большой набор данных на уровне случая, который содержит все необходимые корректирующие переменные. Для этого исследования этот набор данных затем был отфильтрован только для тех случаев из ACS. Таким образом, демографическое распределение точно совпадает с распределением ACS, а другие переменные имеют значения, которые можно было бы ожидать при данном конкретном демографическом распределении. Мы называем этот окончательный набор данных «синтетической популяцией», и он служит шаблоном или масштабной моделью всего взрослого населения.

Этот синтетический набор данных населения использовался для сопоставления и взвешивания склонности. Он также использовался в качестве источника для распределения населения, используемого при сгребании. Этот подход гарантировал, что все взвешенные оценки опроса в исследовании были основаны на одной и той же информации о населении. Подробную информацию о процедуре см. в Приложении B.

Ранжирование

Для опросов общественного мнения наиболее распространенным методом взвешивания является итеративный пропорциональный подбор, который чаще называют ранжированием. При ранжировании исследователь выбирает набор переменных, для которых известно распределение генеральной совокупности, и процедура итеративно корректирует вес для каждого случая до тех пор, пока распределение выборки не совпадет с генеральной совокупностью для этих переменных. Например, исследователь может указать, что выборка должна состоять из 48 % мужчин и 52 % женщин, 40 % со средним образованием или ниже, 31 % с окончанием какого-либо колледжа и 29% выпускники колледжа. В ходе этого процесса веса будут корректироваться таким образом, чтобы соотношение полов для взвешенной выборки обследования соответствовало желаемому распределению населения. Затем веса корректируются таким образом, чтобы группы образования находились в правильной пропорции. Если поправка на образование приводит к смещению распределения по полу, то веса корректируются снова, чтобы мужчины и женщины были представлены в желаемой пропорции. Процесс повторяется до тех пор, пока взвешенное распределение всех весовых переменных не совпадет с заданными целями.

Рейтинг популярен, потому что он относительно прост в реализации и требует только знания предельных пропорций для каждой переменной, используемой при взвешивании. То есть можно отдельно взвешивать пол, возраст, образование, расу и географический регион без необходимости предварительно знать долю населения для каждой комбинации характеристик (например, долю мужчин в возрасте от 18 до 34 лет). , белые выпускники колледжей, живущие на Среднем Западе). Рейтинг — это стандартный метод взвешивания, используемый Pew Research Center и многими другими социологами.

В этом исследовании взвешивающие переменные ранжировались в соответствии с их предельным распределением, а также с помощью двусторонней перекрестной классификации для каждой пары демографических переменных (возраст, пол, раса и этническая принадлежность, образование и регион).

Сопоставление

Сопоставление — это еще один метод, который был предложен в качестве средства корректировки онлайн-выборок. Он включает в себя начало выборки случаев (т. е. опросов), которая является репрезентативной для генеральной совокупности и содержит все переменные, которые будут использоваться при корректировке. Эта «целевая» выборка служит шаблоном того, как выглядела бы выборка для обследования, если бы она была выбрана случайным образом из генеральной совокупности. В этом исследовании целевые выборки были выбраны из нашего синтетического набора данных о населении, но на практике они могли поступать из других высококачественных источников данных, содержащих нужные переменные. Затем каждый случай в целевой выборке сопоставляется с наиболее похожим случаем из онлайн-выборки. Когда будет найдено наиболее близкое совпадение для всех случаев в целевой выборке, все несопоставленные случаи из онлайн-выборки отбрасываются.

Если все пойдет хорошо, набор оставшихся совпадающих случаев должен быть очень похож на целевую популяцию. Тем не менее, всегда существует риск того, что в целевой выборке будут случаи, не имеющие хорошего совпадения в данных обследования, — случаи, когда наиболее похожий случай имеет очень мало общего с целевым. Если таких случаев много, согласованная выборка может в конечном итоге не очень походить на целевую совокупность.

Существует множество способов как измерить сходство между отдельными случаями, так и выполнить само сопоставление. ¹³ Используемая здесь процедура использовала целевую выборку из 1500 случаев, которые были выбраны случайным образом из синтетического набора данных о населении. Чтобы выполнить сопоставление, мы временно объединили целевую выборку и данные онлайн-опроса в один набор данных. Затем мы подгоняем статистическую модель, которая использует корректирующие переменные (только демографические или демографические + политические переменные), чтобы предсказать, какие случаи в комбинированном наборе данных были получены из целевой выборки, а какие — из данных опроса.

В качестве модели использовалась процедура машинного обучения, называемая случайным лесом. Случайные леса могут включать большое количество весовых переменных и могут находить сложные взаимосвязи между корректирующими переменными, о которых исследователь может не знать заранее. В дополнение к оценке вероятности того, что каждый случай относится либо к целевой выборке, либо к обследованию, случайные леса также определяют меру сходства между каждым случаем и каждым другим случаем. Мера сходства случайного леса учитывает, сколько общих характеристик имеют два случая (например, пол, раса и политическая партия), и придает больший вес тем переменным, которые лучше всего различают случаи в целевой выборке и ответы из набора данных обследования. ¹⁴

Мы использовали эту меру сходства в качестве основы для сопоставления.

Окончательная совпадающая выборка выбирается путем последовательного сопоставления каждого из 1500 случаев в целевой выборке с наиболее похожим случаем в наборе данных интерактивного опроса. Каждое последующее совпадение ограничено теми случаями, которые не были сопоставлены ранее. После определения 1500 лучших совпадений оставшиеся варианты опроса отбрасываются.

Для всех размеров выборки, которые мы смоделировали для этого исследования (n = от 2000 до 8000), мы всегда сопоставляли целевую выборку из 1500 случаев. При моделировании, которое началось с выборки из 2000 случаев, 1500 случаев были сопоставлены, а 500 случаев были отброшены. Точно так же для моделирования, начинающегося с 8000 случаев, 6500 были отброшены. На практике это было бы очень расточительно. Однако в данном случае это позволило нам сохранить размер окончательного сопоставленного набора данных постоянным и измерить, как изменяется эффективность сопоставления, когда отбрасывается большая доля случаев. Чем больше исходная выборка, тем больше потенциальных совпадений для каждого случая в целевой выборке и тем ниже вероятность некачественных совпадений.

Взвешивание склонности

Ключевой концепцией вероятностной выборки является то, что если респонденты опроса имеют разные вероятности выбора, взвешивание каждого случая с помощью , обратного его вероятности выбора, устраняет любую предвзятость, которая может возникнуть в результате наличия разных типов людей. представлены в неправильной пропорции. Тот же принцип применяется к онлайн-образцам подписки. Единственное отличие состоит в том, что для вероятностных обследований вероятности отбора известны из плана выборки, тогда как для добровольных обследований они неизвестны и могут быть только оценены.

Для этого исследования эти вероятности были оценены путем объединения онлайн-выборки со всем синтетическим набором данных о населении и подгонки статистической модели для оценки вероятности того, что случай исходит из синтетического набора данных о населении или онлайн-выборки. Как и в случае сопоставления, для расчета этих вероятностей использовались случайные леса, но это также можно сделать с помощью других моделей, таких как логистическая регрессия. ¹⁵ Каждому случаю онлайн-подписки был присвоен вес, равный оценочной вероятности того, что он поступил из синтетической совокупности, разделенной на расчетную вероятность того, что он пришел из онлайн-выборки. Случаи с низкой вероятностью попадания в онлайн-выборку были недопредставлены по сравнению с их долей в популяции и получили большой вес. Случаи с высокой вероятностью были чрезмерно представлены и получили меньший вес.

Как и в случае сопоставления, использование модели случайного леса должно означать, что взаимодействия или сложные отношения в данных автоматически обнаруживаются и учитываются в весах. Однако, в отличие от сопоставления, ни один из кейсов не выбрасывается. Потенциальным недостатком подхода, основанного на склонности, является возможность очень изменчивых весов, что может привести к большей изменчивости оценок (например, к большим погрешностям).

Комбинации корректировок

Некоторые исследования показали, что первый этап корректировки с использованием сопоставления или взвешивания по склонности, за которым следует второй этап корректировки с использованием ранжирования, может быть более эффективным в снижении систематической ошибки, чем любой отдельный метод, применяемый сам по себе. ¹⁶ Ни сопоставление, ни взвешивание склонности не заставят выборку точно соответствовать генеральной совокупности по всем измерениям, но модели случайного леса, используемые для создания этих весов, могут уловить взаимосвязи между корректирующими переменными, которые пропустила бы сортировка.

Вэс факторы размещения: Географические факторы развития возобновляемой энергетики | C.O.K. archive | 2015