基于支持向量回归机的中国碳排放预测模型

选取人口、城镇化率、人均GDP、服务业增加值比重、单位GDP能耗、煤炭消费比例等6项影响因素作为自变量,运用支持向量回归机方法构建中国碳排放预测模型。以1980—2009年碳排放及影响因素数据为样本,通过训练、测试得到具有良好学习与推广能力的支持向量回归机模型。结合"十二五"规划,设置不同情境下影响因素预测值,对2010—2015年中国碳排放进行预测。预测结果表明,中国可适当降低GDP增速,不断优化能源结构,以确保碳减排目标的有效实现。     

建筑碳排放影响因素分析及情景预测

为了解建筑碳排放的影响因素,以江苏省2005—2019年的建筑碳排放数据为研究对象,采用STIRPAT模型对影响建筑碳排放因素进行分析,并以常住人口、城镇化率、人均GDP、第三产业增加值、钢材产量、平均运输里程、建筑企业劳动生产率等为建筑全生命周期各阶段的主要影响因素,利用GA-BP神经网络模型对该省2020—2030年的建筑碳排放进行预测.实验结果表明：常住人口、城镇化率、钢材产量、平均运输里程以及建筑企业劳动生产率的提高会增加建筑碳排放;而人均GDP和第三产业增加值的上升有利于建筑碳排放量的减少.预测结果显示,江苏省建筑全生命周期碳排放在2012年已达到峰值,表明未来江苏省建筑碳排放总体呈下降趋势.该文结果为江苏省建筑业碳减排工作提供理论依据,同时江苏省作为建筑业大省,其在建筑业发展及碳减排工作推进中的经验也将为其他省份提供宝贵的参考价值.     

山西省能源消费碳排放清单和影响因素研究

能源消费燃烧产生的碳排放是山西省主要碳排放源,研究山西省能源消费碳排放特征及影响因素,对山西省科学合理制定能源消费碳减排政策,早日完成“碳达峰、碳中和”目标具有重要意义。本研究以山西省能源领域为研究对象,以山西省省级能源平衡表为基础,采用省级温室气体清单核算方法,计算分析了2005-2019年山西省能源消费碳排放量及变化特征,在此基础上,采用Kaya恒等和LMDI因素分析方法,定量分析了人口、经济发展、能源消费强度、能源消费结构等因素对碳排放的贡献情况。研究结果表明：2005-2019年山西省能源消费碳排放总量整体呈波动上升趋势,累计增长68.81%,年均增长3.81%;单位GDP碳排放强度呈逐年下降趋势,但下降幅度远小于GDP增速,能源利用效率有待进一步提高;人口效应和经济效应对碳排放呈正效应,特别是经济效应是导致山西省碳排放增加的主要因素,说明山西以重型化为主的经济结构未得到根本改善;能源消耗强度和能源消耗结构主要呈抑制效应,是碳减排的主要影响因素,其中能源强度贡献较大,能源消耗结构贡献较小,说明未来还有较大的减排空间。     

中国交通运输业的碳排放情景预测模型

交通运输业碳减排是中国碳减排中的核心重点之一。选取交通运输业消耗的12类能源,采用相应排放系数,测算1996~2010年中国交通运输业CO2排放,交通运输业CO2排放由1996年的195.41×106 t增加到2010年的505.73×106 t,基本与交通运输业的能源消耗量同步。采用情景预测分析法,设计基准情景、节能情景、低碳情景等3个情景,分别预测未来中国的碳排放量。分析结果显示,2011~2020年中国交通运输碳排放将呈快速上升趋势,而2025年左右将放缓。利用LYQ弹性脱钩分析进行交通运输业碳排放的脱钩分析。研究结果表明:产业减排在碳减排中的贡献度最大,而进入2006年之后,产业发展决定了交通运输业碳排放,2008年以后,产业节能的贡献程度最大,在抵消其他因素的影响之后使产业碳排放与GDP(国内生产总值)之间仍表现为弱脱钩,表明产业节能在中国交通运输业的碳减排中尤为重要。     

我国产业结构演进对碳减排的贡献程度

为定量测算产业结构对碳减排的贡献程度,根据2000—2009年的GDP相关数据,在产业结构自然演进情景下,采用因素分析模型和时间序列模型,预测2020年的GDP相关数据,并测算各产业增加值所占GDP的比重及能源强度。结果显示:自然演进情景下产业结构对2020年实现全国碳减排目标的贡献率仅为35.86%。基于产业结构自然演进下无法实现碳减排目标的现实,拟定产业结构加快调整情景。比较分析两种情景所得数据,结果表明产业结构调整必须结合其他影响能源强度的因素共同作用才能达到减排目标。该研究为制定有效的碳减排措施提供了参考。     

陕西省碳排放与经济发展关联性研究

研究陕西省碳排放量的测算,预测未来碳排放态势及对区域经济发展的影响。基于清单法和非线性最小二乘法,运用碳排放余额法和超对数模型模拟预测研究。测算了1991—2013年陕西省的碳排放余额,预测陕西省2020年的单位GDP碳排放余额为0.313 9,比2005年水平减少18%,且碳排放随着人均GDP增高逐步增大,但增幅以平均1.6%水平递减,因而,陕西省碳减排压力较大。针对陕西省碳排放情况,提出继续走区域低碳经济发展道路,提倡清洁能源研发和应用;提倡生态、循环、集约型的农业生产模式;提升区域居民的低碳环保意识;增加生态补偿力度等有效减排措施。     

能源消费背景下河南省碳排放测算及碳达峰预测

区域碳减排对中国实现“双碳”目标起着重要作用，预测区域能源消费碳达峰时间及峰值大小对实现“双碳”目标具有重要意义.以河南省为例，运用IPCC法测算2000-2019年河南省能源消费碳排放量，基于STIRPAT扩展模型及岭回归法分析能源消费碳排放影响因素，并预测不同情景下2020-2040年全省达峰值及达峰时间.结果表明：(1)2000-2019年河南省能源消费CO₂排放量及人均CO₂排放量均呈倒“U”型趋势，碳排放强度呈现持续下降趋势.(2)正向影响因素对能源消费碳排放量作用程度大小依次为产业结构(1.900%)、城市化率(0.602%)、人均GDP(0.231%)和能源强度(0.079%),负向影响因子的作用程度大小依次为人口规模(-2.659%)和能源结构(-0.888%).(3)碳达峰值范围均在1.73～1.86亿t之间，达峰时间均出现在2029年.在节能情景下达峰值最低，约为1.73亿t;在无序情景下达峰值最高，约为1.86亿t.综合6种情景发现，人均GDP、城市化率和能源结构呈中低速增长，且人口规模、能源强度和产业结构呈中高速发展，...     

基于VAR的山东省碳排放与经济增长关系

基于2000-2014年山东省的碳排放数据和经济增长的数据,应用VAR模型分析了碳排放与经济增长之间的关系,对山东省2015-2020年的碳排放与经济增长进行了预测.结果表明:碳排放与经济增长的关系是单向因果关系,山东省的单位GDP碳排放在2020年将会下降到0.3825万吨/亿元,相比2005年降低59.4%,能够完成我国政府所提出的到2020年单位GDP的碳排放相比2005年降低40%~45%的目标.     

甘肃碳减排影响因素分析及对策研究

碳减排是人类社会应对化石能源短缺和气候变化双重挑战的必然选择。2015年,《中国国家自主贡献》明确提出中国到2030年的自主行动目标为:二氧化碳排放2030年左右达到峰值并争取尽早达峰;单位GDP二氧化碳排放比2005年下降60%~65%。甘肃作为一个经济欠发达地区尚处于工业化和城镇化阶段,能源消费需求会不断扩张,碳减排压力将与日俱增。通过计算甘肃历史碳排放量和碳强度,并依据能源消费状况、产业发展等实际情况,对甘肃碳排放的影响因素进行分析。分析结果表明:能源消费结构、产业结构、技术发展水平和重大工程项目是影响甘肃碳排放的4个主要影响因素,提出了绿色低碳发展的若干建议。     

区域碳足迹动态分析及碳排放等级评估——以四川省为例

通过利用联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)方法,对2000年-2011年四川省化石能源消费,生物质能利用和特殊工业生产过程所产生的碳足迹和各类植被的固碳能力进行了动态分析,并采用碳排放指数和碳压力指数对四川省的碳安全等级进行评估。结果表明,从2000年至2011年,四川省碳足迹逐年增加,年均增加23.30%。全省化石能源的碳排放占碳排放总量的48.60%~65.31%,所占比例平均高达58%,水泥工业所占比例为26%左右,而生物质能利用所占比例约为16%。碳固碳量年均增长率为3.5%,增长速度较慢;全省人均碳排放量增幅为369.49%,年平均提高24.71%,全省万元GDP的碳排放强度先增加后降低。四川省碳安全等级持续2000年为Ib等级,2001-2009年为IC等级,2010-2011年为中等碳排放等级Ⅱa,碳减排任重而道远。     

基于改进遗传BP算法的产业产值中单位GDP碳排放量的预测研究

针对产业产值中单位GDP碳排放量的预测问题,系统分析了产业产值与能源消耗碳排放量的关系,在传统遗传算法的基础上,根据动态神经网络模型优化算法过程,克服了传统遗传算法的无动态性,提出了改进遗传BP算法.根据2005—2014年北京等10个省市第三产业的单位GDP碳排放量相关数据资料,利用改进遗传BP算法预测各省市在2015年的单位GDP碳排放量,其预测值与真实值的平均误差值为-0.03,其平均相对误差仅为1.06%,说明该算法在数值预测方面的有效性.     

基于扩展的STIRPAT模型的河南省发展低碳经济的影响因素分析

研究低碳经济的主要影响因素,对河南省转变经济发展方式、建设中原经济区具有重要的现实意义.基于扩展的STIRPAT模型,利用河南省1978—2010年统计数据,对河南省低碳经济的主要影响因素及其贡献率进行了实证研究.结果表明:对碳排放总量有显著正向影响的主要因素有人口增长、经济发展、能源强度与单位能耗碳排放量的交互作用、能源消费结构、国际贸易分工;对人均碳排放量有显著正向影响的因素有经济发展水平、能源强度与单位能耗碳排放量的交互作用、能源消费结构、产业结构、国际贸易分工.产业结构对碳排放总量的影响不显著,但对人均碳排放有显著的正向影响.河南省碳排放的最大正向影响因素及贡献率最大的均为经济增长,而能源强度和单位能耗碳排放量交互作用对碳排放具有一定的抑制作用.     

作为温室气体排放衡量指标的碳排放强度分析

针对美国政府提出的以温室气体排放强度下降率作为其减排目标的建议,分析了影响碳排放强度下降率的因素.利用历史统计数据,定量研究了碳排放强度下降率与国内生产总值(GDP)的增长率、碳排放增长对GDP的弹性、能源消费强度以及能源消费的碳强度等相关关系.对处于不同经济发展阶段国家的碳排放强度以及碳排放强度下降率进行了规律性分析,从而得出结论:以碳排放强度作为各国减缓气候变化贡献的衡量指标,对于发展中国家而言,可以承认和反映其对减缓气候变化的贡献;对发达国家来说,则不能只谈这一单一指标,而必须将碳排放强度的下降率大于GDP增长率作为重要基准.     

基于能源消费的江苏省碳排放特征及规律分析

基于江苏省能源消费的统计数据,利用碳排放方法分析了2002—2010年不同能源消费类型和不同产业部门的碳排放特征．结果表明：碳排放量是随着能源消费量的增加而增加的,碳排放强度由于GDP的快速增加,呈现了快速下降的趋势．在碳排放总量中,第二产业的能源消费是主要的碳排放来源,年均增长率为14．9％,其中,工业占主导地位,年均碳排放量为51．84Mt;生活消费和第三产业碳排放次之,年均增长率分别是2．23％和3．4％．而在第二产业中,原煤是工业碳排放的主要来源,年均碳排放量为31．15Mt．江苏省能源消费碳排放总量增长速率小于GDP的增长速率,导致各年碳排放强度以年均5．2％的幅度下降,进一步表明在经济快速发展的同时,还未实现CO2绝对减排．     

我国碳排放影响因素研究

通过建立协整模型和状态空间模型,研究了碳排放及其主要影响因素人口、城镇化水平、能源结构、能源强度、经济发展水平(GDP)、产业结构和能源价格之间的协整关系和各影响因素对碳排放影响的变动性特征.结果表明,碳排放与人口、城镇化水平等各因素之间存在长期的均衡关系.另外,碳排放弹性系数具有明显的波动性特征,说明各因素在具体年份对碳排放的影响带有制度变迁和政策调整等因素的影响痕迹.最后依据研究结果,结合我国现实情况和社会经济发展规律,提出了我国社会经济发展建设性政策建议.     

广西地区CO2排放量变化趋势及驱动因素分析

参考<广西统计年鉴>(1991～2010)中的社会经济指标和能源消费统计数据,采用能源消费耗总量及化石燃料系数估算法估算广西地区1991～2009年CO2排放量,归纳出CO2排放量变化趋势,并将因素分析法应用于Kaya恒等式定量分析广西的经济产出规模、人口规模、能源强度及能源结构等驱动因素对CO2排放的影响.1991～...     

中国住宅建筑使用阶段碳排放的因素分解实证

根据住宅建筑碳排放的特点,通过完善和扩展Kaya公式,引入对数平均分解指数法,提出住宅建筑使用阶段碳排放因素分解的实证模型.根据1995—2008年中国建筑能源消耗的统计数据,分析居民消费水平、能源结构、能源消费强度、户均建筑面积、人口密度等因素对住宅建筑使用阶段碳排放变化的影响,提出住宅建筑使用阶段碳排放的正向驱动和负向驱动因素及其规律,为控制建筑节能提供建议.     

基于组合预测模型的我国天然气需求预测

在世界能源低碳化的要求下,天然气以其碳含量优势成为低碳能源的重要组成部分,天然气需求预测也随之成为焦点.运用多项式趋势面分析法与GM(1,1)灰色预测法对原始数据序列进行处理,并将两模型下处理后的数据以及二氧化碳排量数据拟合回归方程建立组合预测模型,随后以我国2003—2011年人口、GDP、天然气消费量及二氧化碳排量数据作为原始数据序列进行实例分析,通过残差检验发现,该组合预测模型的预测精度在99.96%以上,属于较好的预测模型,预测数据可靠.最后,运用该模型对2012—2018年我国的天然气需求量进行预测.     

中国碳排放影响因素分析和趋势预测——基于STIRPAT和GM(1,1)模型的实证研究

采用STIRPAT模型全面地对影响中国2000—2011年碳排放的因素进行分析,并利用灰色模型GM(1,1)预测了中国2012—2020年碳排放量.研究结果显示:城镇化率、经济增长、产业结构、能源价格、人口、能源结构和外贸强度对碳排放量有一定的促进作用,技术进步对碳排放量具有较强的抑制作用;其中对中国碳排放量增加影响较大的因素是人口和产业结构;根据GM(1,1)预测模型的结果,可以看出未来的减排压力还很大.因此,治理碳排放的政策应该综合考虑人口、产业结构和技术进步等影响因素.