基于LSSVM方法的廣東省十三五期間CO₂排放預(yù)測

趙開誠

摘 要：隨著全球氣候的不斷變化和國際社會對于氣候問題的關(guān)注，碳排放成為了世界研究的熱點(diǎn)問題。本文利用了機(jī)器學(xué)習(xí)的方法，構(gòu)建了最小二乘支持向量機(jī)模型（LSSVM），通過收集廣東省十三五期間的相關(guān)數(shù)據(jù)，對廣東省截至2020年的碳排放量做出了預(yù)測，并根據(jù)結(jié)果提出了相關(guān)的政策建議

關(guān)鍵詞：碳排放預(yù)測；機(jī)器學(xué)習(xí)；LSSVM；實(shí)證分析

1 緒論

1.1 研究背景與意義

人類文明的不斷發(fā)展導(dǎo)致全球氣候發(fā)生了深刻變化，其中最重要的表現(xiàn)就是全球變暖。全球變暖的主要原因是空氣中二氧化碳濃度大幅增加，造成這一點(diǎn)的主要原因就是人類對于能源的消耗導(dǎo)致的碳排放。作為世界上最大的能源消耗國家，中國的碳排放對全球氣候和環(huán)境都具有重大影響。中國政府在“應(yīng)對氣候變化的國家計(jì)劃”中提出，到2020年，單位GDP的二氧化碳排放強(qiáng)度應(yīng)比2005年低40%-45%。十三五期間是實(shí)現(xiàn)減排目標(biāo)的關(guān)鍵時(shí)期，各省政府都開始出臺一系列的減排政策，探索綠色發(fā)展的新模式。

廣東省是中國的人口和工業(yè)大省，自進(jìn)入20世紀(jì)以來，廣東省的碳排放量一直高居全國前列，因此二氧化碳排放量預(yù)測已成為一個(gè)具有重要研究價(jià)值的熱點(diǎn)問題，引起了世界各國學(xué)者的關(guān)注。由于廣東省在中國碳排放格局的重要地位，以及廣東地區(qū)人民對健康生活環(huán)境與氣候環(huán)境的需求，對未來廣東省的碳排放進(jìn)行預(yù)測具有重要現(xiàn)實(shí)意義。

1.2 國內(nèi)外研究現(xiàn)狀

國際上對于CO2排放的影響因素分析和短期、中長期預(yù)測已經(jīng)形成了豐富的研究成果。隨著近年來溫室效應(yīng)的加劇，大量的學(xué)者運(yùn)用了傳統(tǒng)計(jì)量分析，協(xié)整分析，投入產(chǎn)出分析，智能優(yōu)化算法等方法，對世界上發(fā)達(dá)國家和發(fā)展中國家的CO2排放進(jìn)行了更加深入的研究。在進(jìn)行影響CO2排放量主要因素和碳排放預(yù)測的研究中，經(jīng)濟(jì)，人口和能源消費(fèi)作為主要的影響因素，已經(jīng)得到了國內(nèi)外學(xué)者的普遍認(rèn)同，除了傳統(tǒng)的總量指標(biāo)，結(jié)構(gòu)性指標(biāo)如產(chǎn)業(yè)結(jié)構(gòu)，能源消費(fèi)結(jié)構(gòu)和城鎮(zhèn)化率在近些年的研究中也受到了更多學(xué)者的重視。隨著分析指標(biāo)和方法的不斷完善，國外很多地區(qū)的CO2排放預(yù)測已經(jīng)比較成熟，擁有較高的精確度。

國內(nèi)對于CO2排放預(yù)測的起步較晚，但隨著氣候問題的不斷升溫，很多學(xué)者開始對CO2排放進(jìn)行了研究，但是國外最為成熟的傳統(tǒng)分析，如計(jì)量經(jīng)濟(jì)學(xué)分析，在我國的運(yùn)用具有一定的局限性，由于我國地理跨度極大，又處于經(jīng)濟(jì)發(fā)展與能源消費(fèi)的關(guān)鍵轉(zhuǎn)型期，過于依賴歷史數(shù)據(jù)的傳統(tǒng)計(jì)量分析容易產(chǎn)生較大的誤差。近年來機(jī)器學(xué)習(xí)技術(shù)得到了廣泛運(yùn)用，這種方法很大程度上克服了傳統(tǒng)方法處理海量數(shù)據(jù)，變量關(guān)系復(fù)雜化問題時(shí)精度不足的缺陷，很多國內(nèi)學(xué)者將機(jī)器學(xué)習(xí)的方法，如BP神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)等運(yùn)用在了CO2排放預(yù)測領(lǐng)域。同時(shí)，我國不同省份之間的地區(qū)差異極大，當(dāng)前對于我國具體地區(qū)的CO2預(yù)測成果仍然較少，缺少精確度較高，對于地區(qū)溫室氣體減排具有現(xiàn)實(shí)指導(dǎo)意義的研究成果。

本文綜合考慮了國內(nèi)外對于CO2排放影響因素的研究，查找了大量歷史與規(guī)劃數(shù)據(jù)，運(yùn)用精度較高的LSSVM模型，對于十三五期間廣東省地區(qū)的CO2排放進(jìn)行了預(yù)測。

2 LSSVM模型的建立

最小二乘支持向量機(jī)（LSSVM）是二次損失函數(shù)下的支持向量機(jī)（SVM），是一種被廣泛運(yùn)用于短期預(yù)測的機(jī)器學(xué)習(xí)方法。它利用小樣本數(shù)據(jù)的統(tǒng)計(jì)學(xué)習(xí)理論，在高維特征空間中找到最優(yōu)線性回歸。通過超平面回歸數(shù)據(jù)的模型?；舅枷雭碜猿矫娴淖罴逊蛛x-最大化分離和采用核學(xué)習(xí)的方法。它是統(tǒng)計(jì)學(xué)習(xí)中結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的具體實(shí)現(xiàn)。

3 實(shí)證分析

參考國內(nèi)外學(xué)者在碳排放預(yù)測領(lǐng)域的研究成果，本文選取了GDP，產(chǎn)業(yè)結(jié)構(gòu)，能源消費(fèi)總量，能源消費(fèi)結(jié)構(gòu)，人口以及城鎮(zhèn)化率等6個(gè)指標(biāo)作為影響廣東省CO2排放量的主要因素。通過查閱《中國統(tǒng)計(jì)年鑒》與《中國能源統(tǒng)計(jì)年鑒》，整理出廣東省2000-2015年上述指標(biāo)的統(tǒng)計(jì)值和廣東省的歷年碳排放總量，其中產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)分別用第二產(chǎn)業(yè)占GDP總增加值的比重和煤炭消費(fèi)占能源消費(fèi)的比重來計(jì)量。通過查找《廣東省國民經(jīng)濟(jì)和社會發(fā)展第十三個(gè)五年規(guī)劃綱要》、《廣東省能源發(fā)展“十三五”規(guī)劃（2016—2020年）》以及《廣東省人口發(fā)展“十三五”規(guī)劃》可以得到影響碳排放的主要6個(gè)因素的規(guī)劃數(shù)據(jù)，如表1所示：

以未來的規(guī)劃數(shù)據(jù)作為輸入變量，2000-2015年的相關(guān)指標(biāo)和碳排放數(shù)據(jù)作為訓(xùn)練樣本和測試樣本，代入構(gòu)建好的LSSVM模型，可以得到廣東省2016年-2020年的CO2排放量預(yù)測值，LSSVM模型在matlab中的運(yùn)行結(jié)果和最終的碳排放預(yù)測結(jié)果如下：

4 結(jié)論與政策建議

通過實(shí)證分析的結(jié)果可以發(fā)現(xiàn)，廣東省的CO2排放量在2015年達(dá)到峰值，在十三五期間廣東省的CO2的排放量開始呈現(xiàn)了下降趨勢，這與《BP世界能源統(tǒng)計(jì)年鑒》中中國2016年的CO2排放量開始出現(xiàn)下降的趨勢基本吻合，到2020年，廣東省的CO2排放總量將下降至52398.48萬噸，相比2015年下降12.40%，大大超出了5.7%的國家預(yù)期平均水平，說明在現(xiàn)行的政策規(guī)劃下，廣東省的溫室氣體排放將得到很大程度上的緩解，減排目標(biāo)能夠如期實(shí)現(xiàn)。

通過觀察影響CO2排放量的因素與CO2排放量的變化關(guān)系可以發(fā)現(xiàn)，對于人口基數(shù)巨大，工業(yè)經(jīng)濟(jì)較為發(fā)達(dá)的廣東地區(qū)，產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)與CO2排放量之間的關(guān)系并不明顯，GDP和能源消費(fèi)總量在影響CO2排放量的因素中仍然占據(jù)重要地位，因此要想在保持經(jīng)濟(jì)發(fā)展的同時(shí)減少碳排放，廣東省仍需加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和清潔能源技術(shù)開發(fā)的力度，釋放結(jié)構(gòu)性因素在碳減排領(lǐng)域的活力，保證經(jīng)濟(jì)發(fā)展的同時(shí)達(dá)成節(jié)能減排的目標(biāo)。另一方面，政府應(yīng)加快推動產(chǎn)業(yè)轉(zhuǎn)移，將部分高耗能，高排放的工業(yè)向臨近工業(yè)基礎(chǔ)相對薄弱，環(huán)境壓力相對較小的貴州，廣西，江西等省份轉(zhuǎn)移，保證地區(qū)氣候環(huán)境穩(wěn)定和節(jié)能減排目標(biāo)的實(shí)現(xiàn)，同時(shí)促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展。

參考文獻(xiàn)：

[1]李金克，王風(fēng)華，耿殿明.中國CO2排放、煤炭消費(fèi)及經(jīng)濟(jì)增長的協(xié)整檢驗(yàn)[J].統(tǒng)計(jì)與決策，2011（19）：113-115.

[2]陳騰飛.中國碳排放的智能預(yù)測及減碳對策研究[D].華北水利水電大學(xué)，2016.

[3]周建國，張希剛.基于粗糙集與灰色SVM的中國CO2排放量預(yù)測[J].中國環(huán)境科學(xué)，2013，33（12）：2157-2163..