MonteCarlo均值与静态LCA评分的变化

Question

当我尝试应用MonteCarlo计算时，我注意到MC结果的平均值系统地高于静态结果。

比如中国生产的锂离子电池：

cell=[i for i in bw.Database('ecoinvent 3.8_APOS') if i['name'] == 'battery cell production, Li-ion, NMC111' and i['location']=='CN'][0]

GWP的静态LCA评分为18.3kgCO2eq/kg细胞：

CC = [method for method in bw.methods if "('EF v3.0 no LT', 'climate change no LT', 'global warming potential (GWP100) no LT')" in str(method)][0]

lca=LCA({cell:1},CC)
lca.lci()
lca.lcia()
lca.score

当我们计算MC的100次迭代时：

MC = bw.MonteCarloLCA({cell:1}, CC)
scores = [next(MC) for i in range(100)]

平均MC评分确实高于静态的MC评分:通过做np.mean(scores)，我们得到了接近20 kgCO2eq/kg的值。如果我多次重复MC计算，MC平均值似乎总是高于静态值(即使有大量的迭代)，我不明白为什么。

我试着观察活动的不确定性，但似乎对每个交易所都有定义(多数是在这里)。我也对EcoInvent数据库中的其他随机活动进行了尝试，并且我总是有相同的结论

它是来自于EcoInvent DataBase中的不确定性表示，还是我遗漏了什么？

Answer 1

生态发明中的大多数不确定性是用对数正态分布来定义的，库存数据集中的静态值是这种分布的中值，而不是平均值。对数正态分布的平均值总是高于中值，因此从蒙特卡罗不确定性分析中得到更高的平均值是正常的。

您可以阅读更多关于LCA中的对数和对数正态分布的代表性值的内容。