基于LSTM模型的中國(guó)CO2排放量預(yù)測(cè)影響因素分析

趙雄飛 李遠(yuǎn)利

[摘 要]文章構(gòu)建了基于LSTM的CO2排放量預(yù)測(cè)模型，利用中國(guó)1978—2016年的數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)。為研究影響CO2排放量因素中的科技進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)及能源結(jié)構(gòu)因素的組合效應(yīng)，通過(guò)設(shè)定7種情景預(yù)測(cè)了2017—2030年的中國(guó)CO2排放量，并計(jì)算了2020年和2030年較2005年碳排放強(qiáng)度的降幅。結(jié)果表明：科技進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)因素的變動(dòng)能夠大幅影響CO2的排放，三種因素組合減排的效果存在差異，且三種因素的疊加并非優(yōu)于兩種或一種因素帶來(lái)的減排效果。

[關(guān)鍵詞]CO2排放量;LSTM模型;組合效應(yīng);情景設(shè)定

[DOI]10.13939/j.cnki.zgsc.2021.22.015

1 問(wèn)題的提出

近三十年來(lái)，中國(guó)的經(jīng)濟(jì)得到了飛速的發(fā)展，工業(yè)化和城市化進(jìn)程的速度居于世界前列，而高速發(fā)展的背后很大程度上依賴于能源的巨大消費(fèi)和高碳排放的基礎(chǔ)，伴隨著能源消耗產(chǎn)生的溫室氣體，特別是CO2被認(rèn)為是導(dǎo)致全球氣候變暖的主要因素，在此背景下，對(duì)CO2排放的研究則凸顯得極其重要。雖然中國(guó)的經(jīng)濟(jì)正在飛速前進(jìn)，但短期內(nèi)中國(guó)依然是一個(gè)發(fā)展中國(guó)家，經(jīng)濟(jì)水平還不夠高，因此在保持經(jīng)濟(jì)總量及能源消費(fèi)持續(xù)增長(zhǎng)和達(dá)到2020年CO2減排目標(biāo)中如何控制相關(guān)影響因素的研究，就顯得尤為重要。

2 文獻(xiàn)綜述

關(guān)于碳排放影響因素的研究已經(jīng)受到國(guó)內(nèi)外眾多學(xué)者的關(guān)注，為順應(yīng)低碳經(jīng)濟(jì)的趨勢(shì)，學(xué)者們嘗試采用各種不同的方法研究碳排放與不同因素之間關(guān)系，以期找出節(jié)能減排和可持續(xù)發(fā)展的目標(biāo)優(yōu)化路徑。目前關(guān)于CO2排放的方法使用上，取得較好成果的大體有環(huán)境庫(kù)茲涅茨曲線（EKC）、指數(shù)分解分析方法（IDA）、投入產(chǎn)出法、KAYA等式及變形、計(jì)量經(jīng)濟(jì)學(xué)方法等五類。

關(guān)于CO2排放預(yù)測(cè)方法上，許多學(xué)者做出了大量的工作，主要分為兩類，一類是單一建模預(yù)測(cè)方法，另一類是組合模型預(yù)測(cè)方法?，F(xiàn)行的單一建模預(yù)測(cè)模型有STIRPAT模型、IPAT模型、灰度預(yù)測(cè)模型、神經(jīng)網(wǎng)絡(luò)模型等。相比其他模型，深度學(xué)習(xí)算法能夠避開過(guò)多傳統(tǒng)條件的限制，通過(guò)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)層挖掘變量之間潛在的非線性關(guān)系，從而提高對(duì)CO2未來(lái)排放量的預(yù)測(cè)精度。為了探尋影響CO2排放的多方面因素，選擇深度學(xué)習(xí)模型中的LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

3 CO2排放預(yù)測(cè)模型的構(gòu)建

3.1 ?CO2排放量計(jì)算方法

采用碳排放系數(shù)法，碳排放系數(shù)法能夠全面考察能源產(chǎn)業(yè)不同于化石燃料燃燒導(dǎo)致的溫室氣體排放，適用于各尺度的能源碳排放核算。文中對(duì)排放因子的選擇采用中國(guó)全部省碳含量和平均低位發(fā)熱量計(jì)算而來(lái)，這樣更符合中國(guó)碳排放現(xiàn)實(shí)情況。

在計(jì)算碳排放過(guò)程中，由于煤炭、石油及天然氣消耗總量占整個(gè)能源消耗的比重在90%左右，所以我們?cè)谔寂欧庞?jì)算過(guò)程中只計(jì)算這三種常用能源消費(fèi)產(chǎn)生的碳排放情況。碳排放計(jì)算式為：

C=∑Ei×EFi×θi

式中：C為不同年份能源消費(fèi)產(chǎn)生的碳排放總量，Ei為相應(yīng)年份消費(fèi)的第i種能源量，EFi為第i種能源的碳排放因子，θi為第i種能源消耗的氧化率。

3.2 ?LSTM預(yù)測(cè)模型

文章簡(jiǎn)要介紹LSTM神經(jīng)網(wǎng)絡(luò)模型，LSTM訓(xùn)練算法的總體框架主要包括：前向計(jì)算每個(gè)神經(jīng)元的輸出值;反向計(jì)算每個(gè)神經(jīng)元誤差σ的值，即采用BPTT算法進(jìn)行計(jì)算;根據(jù)相應(yīng)誤差項(xiàng)，計(jì)算每個(gè)權(quán)重梯度。對(duì)于給定序列input=（x1， x2， …， xn），通過(guò)下列迭代式計(jì)算出h=（h1， h2， …， hn）和一個(gè)輸出序列output=（y1， y2， …， yn）。

zt=tanh（Wzxt+Rzht-1+bz） it=σ（Wixt+Riyt-1+pi⊙ct-1+bi）

ft=σ（Wfxt+Rfht-1+pf⊙ct-1+bf） ct=it⊙zt+ft⊙ct-1

ot=σ（Woxt+Roht-1+po⊙ct+bo） ht=ot⊙tanh（ct）

xt和ht是LSTM連接層在t時(shí)刻的輸入和輸出。Wz、 Wi、 Wf和Wo分別為連接層輸入、輸入門、遺忘門和輸出門的權(quán)重。Rz、 Ri、 Rf和Ro分別是連接層輸入、輸入門、遺忘門和輸出門的循環(huán)層權(quán)重矩陣。bz、 bi、 bf和bo分別為連接層輸入、輸入門、遺忘門和輸出門的偏置項(xiàng)。⊙為數(shù)組元素依次相乘。

3.3 變量選取及模型構(gòu)建

結(jié)合過(guò)去學(xué)者研究總結(jié)，CO2排放的影響因素總結(jié)為科技、結(jié)構(gòu)和規(guī)模等三個(gè)宏觀因素，具體細(xì)分為經(jīng)濟(jì)規(guī)模、人口規(guī)模、城市化水平、科學(xué)技術(shù)、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、能源強(qiáng)度等七個(gè)微觀因素。本文選擇人均GDP、人口、機(jī)動(dòng)車保有量、科技進(jìn)步、能源強(qiáng)度、城市化率、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)8個(gè)因素作為輸入變量。

通過(guò)對(duì)上述所選8種影響因素的描述和分析，在構(gòu)建LSTM神經(jīng)網(wǎng)絡(luò)模型時(shí)，將CO2排放量、人均GDP、人口、機(jī)動(dòng)車保有量、科技進(jìn)步、能源強(qiáng)度、城市化率、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)9個(gè)變量都考慮作為神經(jīng)網(wǎng)絡(luò)的輸入，考慮到樣本量較少，同時(shí)也避免模型的擬合效果出現(xiàn)過(guò)擬合、欠擬合的情況，所構(gòu)建的LSTM模型的隱含層個(gè)數(shù)和層神經(jīng)元數(shù)分別為3、2。

3.4 ?精度檢驗(yàn)指標(biāo)

實(shí)驗(yàn)采用的常規(guī)誤差評(píng)價(jià)指標(biāo)主要有絕對(duì)誤差百分比（MAPE）和均方根誤差（RMSE），其中RMSE表示各期實(shí)際觀察值與各期預(yù)測(cè)值的平均誤差水平，兩指標(biāo)值越小模型誤差精度越好。yi為第i年的實(shí)際CO2排放量，i為第i年CO2排放量的預(yù)測(cè)值。

MAPE=1N∑Ni=1yi-iyi RMSE=1N∑Ni=1（yi-i）2

4 模型構(gòu)建

4.1 數(shù)據(jù)說(shuō)明

文章從國(guó)家統(tǒng)計(jì)局、《中國(guó)統(tǒng)計(jì)年鑒》和OECD數(shù)據(jù)庫(kù)中選取1978—2016年所選影響因素的相關(guān)數(shù)據(jù)。其中人均GDP是以1978年為基期計(jì)算的實(shí)際GDP除以總?cè)丝诘玫降?科技進(jìn)步是以每年R&D支出與當(dāng)年財(cái)政總支出的比求得，由于1978—1990年統(tǒng)計(jì)年鑒中缺少R&D支出項(xiàng)，因此選用有關(guān)科技的財(cái)政支出項(xiàng)代替;產(chǎn)業(yè)結(jié)構(gòu)選用第二產(chǎn)業(yè)增加值占國(guó)民生產(chǎn)總值的比重表示;能源結(jié)構(gòu)用煤炭消費(fèi)量占能源消費(fèi)總量的比例表示;能源強(qiáng)度的計(jì)算由每年的能源消耗總量與以1978年為基期求得的實(shí)際GDP的比值得到。