中国工业碳排放达峰预测及控制因素研究——基于BP-LSTM神经网络模型的实证分析 |
| |
引用本文: | 胡剑波,赵魁,杨苑翰.中国工业碳排放达峰预测及控制因素研究——基于BP-LSTM神经网络模型的实证分析[J].贵州社会科学,2021,381(9):135-146. |
| |
作者姓名: | 胡剑波 赵魁 杨苑翰 |
| |
作者单位: | 贵州财经大学,贵州 贵阳 550025;贵州财经大学,贵州 贵阳 550025;贵州师范大学,贵州 贵阳 550025;悉尼大学,澳大利亚 悉尼 2000 |
| |
摘 要: | 文章基于2000-2020年中国工业行业相关数据,构建了平均绝对百分比误差(MAPE)为0.03%的BP神经网络预测模型,同时将工业碳排放的影响因素分为受历史惯性和市场影响较大的非控制性因素和可以通过政策引导促成的控制性因素两大类,非控制因素采用LSTM长短期记忆神经网络进行预测至2030年,控制性因素由2030年目标数值逐年逆推得出,经实证分析得到如下结论:(1)中国工业碳排放量将于2026年达到峰值,随后一段时期内保持相对高位但低幅波动状态;(2)在非控制变量中,工业增加值轻微下降,制造业人数先下降后回弹,能源消费量持续上升,发电及供热总效率明显提升;(3)在控制变量中,人口总数、城镇化率等对工业碳排放量的增加具有正向作用,但影响程度较低;人民币兑美元升值、非化石能源占比提高的条件下,工业碳排放量会降低,影响程度较前述变量更加明显.
|
关 键 词: | 工业碳排放达峰 BP神经网络 LSTM模型 预测 控制 |
本文献已被 万方数据 等数据库收录! |
|