基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

通过排放因子法估算2000—2020年甘肃省三大产业及生活能源消费直接CO ₂ 排放量,描述分析其时序演变特征。建立BP神经网络模型并预测2021—2030年甘肃省CO ₂ 排放量。最后构建甘肃省CO ₂ 排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO ₂ 排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素。结果表明：甘肃省产业及生活能源消耗直接CO ₂ 排放总体呈波动增长趋势,且第二产业占比70%以上是主要的CO ₂ 排放源；BP神经网络模型的预测误差为2×10 ^-4 ，相关系数大于0.99，对于预测甘肃省CO ₂ 排放具有较高精度，并得出2026年的甘肃省能源消耗直接CO ₂ 达到最大排放量；甘肃省CO ₂ 排放的驱动因素作用差异显著,CO ₂ 排放强度、经济发展、城乡消费对CO ₂ 排放的正向作用较大，城镇居民人均消费支出是主要影响因素。森林覆盖率的增长抑制CO ₂ 排放,能源强度的降低有助于CO ₂ 排放量的减少,三大产业结构的调整与转型可引起CO ₂ 排放量的下降。研究为甘肃省推进低碳减排工作提供了理论基础与科学依据。

关键词: CO ₂ 排放；BP神经网络；STIRPAT模型；多元回归分析；随机森林

1）甘肃省CO ₂ 排放时序变化特征。

2000—2020年,甘肃省CO ₂ 排放总量大致呈现先增后减再增的变化趋势,从2000年的4975.32万吨增长至2020年的20240.59万吨,年均增长率为7.27%。CO ₂ 排放量的增加以第二产业增长为主导,历年占比都在70%以上,从2000年的3700万吨增长至2020年的17586.55万吨,增长幅度为37.5%。CO ₂ 排放强度则呈现波动下降趋势，由2000年的4.73吨/万元下降至2019年的2.2吨/万元，2020年出现小幅上升。

2）基于BP神经网络模型的甘肃省CO ₂ 排放预测。

甘肃省近年来CO ₂ 排放量的拟合结果如下表：

总体来看，BP神经网络拟合得到的平均绝对百分比误差(MAPE)为2.73%，在基于所获取到的数据情况下应用BP神经网络模型对甘肃省CO ₂ 排放进行预测得到的整体误差符合实际要求，说明BP神经网络能够较好地拟合甘肃省CO ₂ 排放，此时训练得到的是可用于预测甘肃省CO ₂ 排放的最佳预测模型。

通过对模型的拟合结果分析看到，拓扑结构为2—9—1的BP神经网络模型可用于预测未来甘肃省CO ₂ 排放量的变化趋势。利用模型预测得到2021—2030年的CO ₂ 排放数值分别为23781.95万吨、23950.66万吨、23309.87万吨、23297.49万吨、23305.23万吨、24204.38万吨、22294.53万吨、23261.89万吨、23159.74万吨和23031.27万吨。甘肃省CO ₂ 排放实际值、历史拟合值与未来预测值的变化趋势见图4。

3）甘肃省CO ₂ 排放影响因素实证分析。

基于STIRPAT模型,对甘肃省2000—2020年CO2排放量和相关变量进行多元线性回归,初步考察各因素对CO ₂ 排放的影响规律：

CO ₂ 排放强度是甘肃省CO ₂ 排放增长的主要驱动力,CO ₂ 排放强度每增加1%,CO ₂ 排放量就会增加0.294%；其次，城镇化率、人均GDP和城乡居民人均消费支出也是CO ₂ 排放量的正向驱动因素；第一产业占比每增加1%,CO ₂ 排放量就会减少0.23%,第一产业对甘肃省CO ₂ 排放量的影响为反向驱动；森林覆盖率作用于CO ₂ 排放量是反向影响,森林通过吸收CO ₂ 将其固定在植被和土壤中减少了大气中的CO ₂ 排放。

考虑变量间的交互影响。引入通径分析进一步研究甘肃省CO ₂ 排放的驱动因素。结果如下：

CO ₂ 排放强度对CO ₂ 排放量呈抑制作用,这与岭回归的结果不同。通过通径分析得到CO ₂ 排放强度通过其他因素的总间接效应是-1.452,说明CO2排放强度的增加驱使CO ₂ 排放量的增加被其他因素引起的CO ₂ 排放量的减少所抵消,CO ₂ 排放强度对CO ₂ 排放量的正向影响没有呈现；煤炭、石油、天然气三种能源对CO ₂ 排放产生正向影响。

根据甘肃省2000—2020年共315个数据,建立随机森林回归模型,以7:3的比例划分训练集和测试集。利用随机森林对因素的重要性进行识别,结果如下：

城镇居民人均消费支出是CO ₂ 排放的最重要影响因素，城镇居民人均消费支出是CO ₂ 排放的最重要影响因素,岭回归结果说明地区的消费水平和CO ₂ 排放呈正向关系,消费水平提高带动地区的产业经济发展,能源消耗产生的CO ₂ 排放量随之增加。

能源强度的降低对抑制甘肃省能源消费CO ₂ 排放有着重要的推动作用。产业结构对于CO ₂ 排放量的影响表现为第一、二产业比重上升引起CO ₂ 排放量增加,三次产业发展对CO2排放的影响作用各有不同，因此优化三次产业比重将有助于甘肃省CO ₂ 减排。

（1）2000—2020年甘肃省产业发展及生活能源消费CO ₂ 排放量总体呈现波动增长趋势,且以第二产业为主，第三产业及生活消费产生的CO ₂ 排放逐年增加。

（2）拓扑结构为2—9—1的BP神经网络模型的误差较小精度较高，能够较好地拟合甘肃省历史CO ₂ 排放数据，并用于预测甘肃省未来的CO ₂ 排放。预测结果得出甘肃省2021—2030年CO ₂ 排放呈现波动变化趋势，同时推断甘肃省产业发展及生活能源消耗直接CO ₂ 排放量的最高水平出现在2026年。

（3）岭回归得到CO2排放强度是影响甘肃省CO ₂ 排放增长的关键因素,也可作为反映一个地区CO ₂ 排放现状的指标;森林覆盖率对CO ₂ 排放产生负向驱动作用。通径分析对影响因素之间存在的交互作用和对因变量的作用机制进行了探究，得到人均GDP是主要决策性因素,对CO ₂ 排放的正向作用最大。随机森林进一步识别重要因素,人们消费水平的提高对增加CO ₂ 排放量产生正向影响;能源强度作为反映能源是否被合理利用的综合性指标对CO ₂ 排放产生抑制作用；同时第一、二产业比重上升带来增加CO ₂ 排放量的影响。