基于STIRPAT模型的交通運輸企業(yè)的碳排放量測定

白寶峰 梁進

DOI：10.19392/j.cnki.16717341.201714129

摘要：本文針對交通運輸企業(yè)的碳排放的測定問題，經(jīng)過分析發(fā)現(xiàn)直接對于碳排放量的測定是很難做到的，因為其影響因素多種多樣，十分復(fù)雜，我們無法將所有影響因素考慮周全，因此需要尋找一種替代的算法，忽略一些直觀的影響因素，而采用隨機性的環(huán)境影響評估模型，解決了碳排量不可直接測量或者影響因素不可預(yù)測的缺點。

關(guān)鍵詞：不可預(yù)測；嶺回歸分析；隨機性環(huán)境預(yù)測模型；解釋變量系數(shù)

基于隨機性的環(huán)境影響評估模型：經(jīng)分析，考慮到在交通運輸過程中各種條件的不可預(yù)測性，不便于準確測定，于是將問題簡化為討論在運輸過程中的碳排放測定問題。根據(jù)有關(guān)資料，在運輸過程中影響碳排放的因素也是多種多樣的，但有的影響因素的影響效果非常微弱，忽略后并不影響對于碳排放量的精度測定，而有的因素忽略后對于碳排放量精度測定的影響很大，綜合考慮，將城鎮(zhèn)化率、人均GDP、客運周轉(zhuǎn)量、貨運周轉(zhuǎn)量作為碳排放量的主要影響因素。運用可拓展的隨機性的環(huán)境影響評估模型STIRPAT，可以通過自變量和應(yīng)變量之間的關(guān)系進行評估，從而測出碳排放量。

根據(jù)有關(guān)數(shù)據(jù)和模型公式可知方程的回歸系數(shù)反映的即是解釋變量與被解釋變量之間的彈性關(guān)系，因而尋找方程回歸系數(shù)即是找出問題解的關(guān)鍵。運用嶺回歸方程，通過MATLAB進行編程求解，求得各影響因素的相關(guān)系數(shù)分別為0.1935、0.2180、0.2034、0.2185模型系數(shù)常數(shù)為1.3513e-16，即表明城鎮(zhèn)化率、人均GDP、客運周轉(zhuǎn)量、貨運周轉(zhuǎn)量各自每增加1%，碳排放總量分別增加0.1935%、0.2180%、0.2034%、0.2185%。在明確了模型中各解釋變量和被解釋變量之間的關(guān)系后，根據(jù)相關(guān)統(tǒng)計數(shù)據(jù)，從而測算出交通運輸企業(yè)的碳排放量。

此外，文中還對各解釋變量的影響程度進行了分析，最后討論了模型的優(yōu)缺點以及改進的方向。

1 問題的重述

當前交通運輸行業(yè)作為碳排放大戶，其減排效果對減排目標的影響巨大，但是交通行業(yè)仍然沒有進入市場化減排交易體系（碳交易市場）。交通運輸企業(yè)不愿意進入是一方面的原因，更重要的原因是交通運輸企業(yè)的碳排放量難以測定。比如：交通運輸企業(yè)的車輛排放量受到車型、道路狀況、行駛速度（包括加速、減速、怠速、巡航等速度）、道路和天氣情況等因素的影響。

問題：

請建立數(shù)學(xué)模型對交通運輸企業(yè)的碳排放量進行測定（只考慮交通運輸企業(yè)的交通工具運行過程中的碳排放量的測定，其他不予考慮，但需要假設(shè)界定）。

2 模型的假設(shè)

（1）僅考慮在交通工具運行過程中的碳排放量測定問題。

（2）各類能源消耗可以折算成標準煤的消耗。

（3）假定車輛能源消耗和碳排放只與車輛行駛公里數(shù)和載重數(shù)有關(guān)，而車型、道路情況、行駛速度、道路和天氣狀況等情況悉數(shù)為正常情況，不會影響車輛的碳排放量。

（4）假定各數(shù)據(jù)來源準確，不存在數(shù)據(jù)缺失和不真實的情況。

3 符號說明

Q碳排放量/萬噸

a模型常數(shù)

U城鎮(zhèn)化率

A人均GDP/（元/每人）

PT客運周轉(zhuǎn)量/億人每公里

FT貨運周轉(zhuǎn)量/億噸每公里

4 模型的分析和求解

4.1 STIRPAT模型的分析

碳排放量的多少受到各種因素的影響，其中很多因素不便于測定和描述，采用stirpat模型，使得很多不便于測定和描述的影響因素綜合起來，變成能夠測定的客觀具體的影響因素，通過前期分析和預(yù)判，找出了各類因素之間的因果關(guān)系，簡化影響因素的數(shù)目和數(shù)據(jù)的大小，這樣使得模型變得簡潔明了，易于求解和分析。通過強調(diào)主要解釋變量間和被解釋變量的關(guān)系，對于解釋變量的變化量的測定，可以直接反映被解釋變量的變化。

4.2 STIRPAT模型的求解

建立模型方程lnQ=a+blnU+clnA+dlnPT+elnFT，公式中a為常數(shù)，b.c.d.e分別為各解釋變量的系數(shù)，表示含義為各解釋變量每變化1%，被解釋變量變化量為各解釋變量系數(shù)。已知各解釋變量的統(tǒng)計數(shù)據(jù)，先對數(shù)據(jù)進行處理和整合。

采用嶺回歸方法來對多線性數(shù)據(jù)進行處理，犧牲部分精度來使得數(shù)據(jù)的穩(wěn)定性得到充分的保證。在本題中先對數(shù)據(jù)進行預(yù)處理求Y即通過能源消耗量和碳排放系數(shù)以及折合標準煤系數(shù)之間的關(guān)系，先對已知能源消耗嶺的情況下的碳排量進行計算，然后通過計算出的數(shù)據(jù)即Y值代入進行嶺回歸分析，求得相關(guān)解釋變量的系數(shù)。碳排量和能源消耗以及碳排量系數(shù)，折合標準煤系數(shù)之間的關(guān)系為碳排量=能源消耗量×碳排量系數(shù)×折合標準煤系數(shù)。

整理數(shù)據(jù)后可得：

X=36.22；7858；12261.1；4432137.66；8622；13155.1；4771039.09；9398；14125.6；5068640.53；10542；13810.5；5385941.76；12336；16309.1；6944542.99；14185；17466.7；80258.1，

Y=53996.08；61370.47；78899.49；90474.57；118300.98；156739.86，

代入公式θK=XTX+KI-1XTY，經(jīng)過計算和上述程序中的曲線圖可知K=0.8，因此求得θK=0.1935；0.2180；0.2034；0.2185。

具體數(shù)據(jù)實現(xiàn)通過在Matlab中進行編程來對嶺回歸方程進行處理，從而得到了相應(yīng)的模型解釋變量的系數(shù)在何種條件下趨于穩(wěn)定，即為該模型下的解釋變量系數(shù)值。

通過程序分析，作圖可直觀得出，當K的值在0.8時，各解釋變量對應(yīng)的嶺回歸系數(shù)趨于穩(wěn)定。

當嶺回歸參數(shù)趨于穩(wěn)定的時候，模型各解釋變量的系數(shù)在表中可清楚的看出分別為0.1935、0.2180、0.2034、0.2185模型的常數(shù)項為1.3513e-16，將上述各模型系數(shù)和常數(shù)項代入到stirpat中，

即可得到完整的對于碳排量的計算方程

lnQ=1.3513e-16+0.1935lnU+0.2180lnA+0.2034lnPT+0.2185lnFT將統(tǒng)計數(shù)據(jù)代入即可得碳排量數(shù)值。

5 模型的評價和推廣

5.1 模型的優(yōu)點

1）該模型忽略了在碳排放測定過程中，對于碳排放影響因素的具體直觀求解，轉(zhuǎn)而通過相應(yīng)的環(huán)境影響因素，使得模型中解釋變量和被解釋變量之間關(guān)系變的簡單清晰，在測定過程中具有很強的可操作性，同時模型在求解和設(shè)計過程中綜合考慮了社會、經(jīng)濟、環(huán)境等因素，選取的四個影響因素很具有代表性和擴展性，使得模型求解結(jié)果更加精確。

2）在模型關(guān)于解釋變量系數(shù)的求解過程中，采用嶺回歸方法，相較于最小二乘回歸，犧牲了一部分數(shù)據(jù)的精確度，但使得數(shù)據(jù)能夠穩(wěn)定，減少了數(shù)據(jù)誤差范圍，變得更加可信。

5.2 模型的缺點

本模型在分析過程中，無法做到對于碳排量直觀影響因素如能源消耗量等的分析和測定，也無法對于各影響因素的進行比較，因此該模型得出的結(jié)論為最終結(jié)論，無法對各影響因素的影響程度進行直觀具體描述，在運用碳排量結(jié)論作出相應(yīng)的政策和措施時，無法提供細致全面的分析和建議。同時在選取解釋變量的時候，存在著隨機性的可能，無法保證每次選取的解釋變量都能很好的代替整體數(shù)據(jù)的特征。

5.3 模型的改進和推廣

模型改進：在模型中加入對于解釋變量的解構(gòu)，可以運用LMDI方法來對解釋變量加以描述和求解，同時在運用嶺回歸求取模型系數(shù)的時候，對于解釋變量的選取應(yīng)該通過控制變量法，從相關(guān)因素中通過控制單一變量計算得出相關(guān)指標，判斷哪幾種變量的影響因素較大，哪幾種因素可忽略，從而使得選取的解釋變量更加合理。

參考文獻：

[1]渠慎寧，郭朝先.基于STIRPAT模型的中國碳排放峰值預(yù)測研究.

[2]嶺回歸分析.

作者簡介：白寶峰（1994），男，回族，安徽合肥人，本科。