基于SVR的江蘇省交通運(yùn)輸業(yè)碳排放達(dá)峰預(yù)測(cè)

王慧茹，封學(xué)軍，沈金星，張 艷，王海鵬

（1.河海大學(xué) 港航物流與綠色發(fā)展研究所，江蘇 南京 210098;2.河海大學(xué) 土木與交通學(xué)院, 江蘇 南京 210098）

0 引言

當(dāng)前氣候變化是一個(gè)全球性的環(huán)境問(wèn)題，它在引起環(huán)境變化的同時(shí)，也影響著社會(huì)各個(gè)領(lǐng)域，甚至危及人類生存與發(fā)展[1]。聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（IPCC）第五次氣候變化評(píng)估報(bào)告稱，如果不立即采取有效的減緩政策和行動(dòng)，至2100年，全球平均表面溫度相對(duì)工業(yè)化前將升高3.7 ～ 4.8 ℃，海平面將上升0.6 ～ 0.8 m，造成不可逆轉(zhuǎn)的全球性生態(tài)災(zāi)難和巨大經(jīng)濟(jì)損失。 作為世界上最大的碳排放國(guó)，我國(guó)“2030年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和” 的發(fā)展目標(biāo)引起了世界各國(guó)的廣泛關(guān)注。 交通運(yùn)輸業(yè)作為IPCC 確定的第三大碳排放源，在我國(guó)占排放總量的10%左右[2]，行業(yè)減排對(duì)實(shí)現(xiàn)碳達(dá)峰具有重要意義。 而江蘇省工業(yè)化程度高、交通便利，應(yīng)當(dāng)積極響應(yīng)國(guó)家戰(zhàn)略，科學(xué)預(yù)測(cè)交通運(yùn)輸業(yè)的碳達(dá)峰情況，并制定減排措施和可行的達(dá)峰路徑。

目前，碳排放研究主要聚焦于碳排放的影響因素分析和量值預(yù)測(cè)2 個(gè)方面。 影響因素分析的主要研究方法包括：改進(jìn)的Laspeyres 指數(shù)法、算術(shù)平均迪氏指數(shù)分解法（AMDI）、對(duì)數(shù)平均迪氏指數(shù)分解法（LMDI） 和廣義迪氏指數(shù)分解法 （GDIM） 等。SHIPPER L 等[3]采用改進(jìn)Laspeyres 指數(shù)法對(duì)1973年～1992年10 個(gè)工業(yè)化國(guó)家的貨運(yùn)活動(dòng)和能源使用的碳排放進(jìn)行分解，認(rèn)為經(jīng)濟(jì)發(fā)展水平是影響碳排放最主要的因素；GREENING L A 等[4]利用AMDI法分析1971年～1993年10 個(gè)經(jīng)濟(jì)合作組織國(guó)家的貨運(yùn)碳排放量，認(rèn)為貨運(yùn)結(jié)構(gòu)的轉(zhuǎn)變導(dǎo)致了碳排放增加。 但是ANG B W 等[5]對(duì)指數(shù)分解法運(yùn)用的100 多種情形歸類分析后提出，改進(jìn)Laspeyres 指數(shù)法的計(jì)算過(guò)程在超過(guò)3 個(gè)因素后將變得復(fù)雜，且只適用于加法分解；而AMDI 法具有剩余問(wèn)題，當(dāng)數(shù)據(jù)中存在0 時(shí)則無(wú)法使用。隨著LMDI 法解決了AMDI法和改良Laspeyres 指數(shù)法計(jì)算的問(wèn)題，使它們的使用頻率降低，更多學(xué)者開始采用LMDI 法分析影響因素。國(guó)外學(xué)者對(duì)LMDI 法的應(yīng)用側(cè)重于國(guó)家層面。如TIMILSINA G R 等[6]利用LMDI 法分析了1980年～2005年亞洲國(guó)家運(yùn)輸部門的碳排放情況發(fā)現(xiàn)，影響中國(guó)碳排放增長(zhǎng)的主要因素包括人均GDP、人口增長(zhǎng)和運(yùn)輸能源強(qiáng)度； 國(guó)內(nèi)學(xué)者在側(cè)重國(guó)家層面同時(shí)，部分學(xué)者將研究范圍縮小。 如喻潔等[7]將交通運(yùn)輸分為公路、 鐵路、 水路和民航4 種方式，基于LMDI 法分析了2005年～2011年碳排放的影響因素，發(fā)現(xiàn)人均GDP 為碳排放的主要驅(qū)動(dòng)因素，能源強(qiáng)度和運(yùn)輸強(qiáng)度的降低則起到主要減排效果； 朱桃杏等[8]利用LMDI 法分解2014年～ 2018年各省的物流碳排放發(fā)現(xiàn)，由于不同省的經(jīng)濟(jì)發(fā)展程度和交通基礎(chǔ)設(shè)施不同，故碳排放存在著明顯差異。 隨著LMDI 法的廣泛應(yīng)用發(fā)現(xiàn)，分解的變量不可以包含多個(gè)相對(duì)和絕對(duì)的因子，且難以反映它們的間接聯(lián)系。 對(duì)此，VANINSKY A[9]提出了一種新的指數(shù)分解方法—GDIM，它不僅可包含多個(gè)相對(duì)和絕對(duì)變量，且可準(zhǔn)確客觀分析變量之間的關(guān)系及其對(duì)碳排放的貢獻(xiàn)。 王勇等[10]應(yīng)用GDIM 法對(duì)東北三省的5 種交通運(yùn)輸方式的碳排放進(jìn)行分解發(fā)現(xiàn)，投資規(guī)模是鐵路、公路、航空和管道碳排放的主要影響因素，而運(yùn)輸規(guī)模則是水路碳排放的主要影響因素。此外，也有學(xué)者認(rèn)為，產(chǎn)業(yè)結(jié)構(gòu)[11]和城鎮(zhèn)化率[12]也是影響交通碳排放的重要因素。 說(shuō)明不同地區(qū)影響交通碳排放的因素不盡相同，且交通運(yùn)輸?shù)牟煌块T也有各自的影響因素。

預(yù)測(cè)碳排放量的模型分為混合構(gòu)建模式和直接構(gòu)建模式2 種。 混合構(gòu)建模式是基于碳排放與宏觀經(jīng)濟(jì)、能源消費(fèi)、部門技術(shù)等因素之間的關(guān)聯(lián)關(guān)系構(gòu)建投入產(chǎn)出和“可計(jì)算一般均衡”（CGE）等模型預(yù)測(cè)碳排放。 如：王海建[13]基于1987年中國(guó)18 個(gè)部門（包含交通部門） 的投入產(chǎn)出表預(yù)測(cè)2020年的能源消費(fèi)和碳排放量；王燦等[14]基于2000年中國(guó)10 個(gè)部門（包含交通部門）的數(shù)據(jù)，應(yīng)用CGE 模型預(yù)測(cè)設(shè)定情景下2010年各部門的減排貢獻(xiàn)。混合構(gòu)建模式需要大量技術(shù)數(shù)據(jù)，應(yīng)用困難較大。而直接構(gòu)建模式是基于碳排放與影響因素的相互關(guān)系，構(gòu)建LEAP模型、Kaya 恒等式和STIRPAT 模型等預(yù)測(cè)碳排放。如：劉俊伶等[15]通過(guò)構(gòu)建LEAP 模型，在設(shè)置3 種不同低碳情景下，預(yù)測(cè)我國(guó)交通部門將于2030年左右碳達(dá)峰；王海林等[16]利用Kaya 恒等式展開并動(dòng)態(tài)化，預(yù)測(cè)于2035年左右我國(guó)交通部門碳排放達(dá)峰；董健康等[17]通過(guò)選取3 個(gè)因素構(gòu)建STIRPAT 模型來(lái)預(yù)測(cè)民航的碳排放量?？傮w看，傳統(tǒng)的預(yù)測(cè)方法在面對(duì)區(qū)域交通碳排放復(fù)雜的非線性系統(tǒng)且系統(tǒng)中各個(gè)因素互不獨(dú)立的特征時(shí)，存在穩(wěn)定性低、可解釋性較弱和關(guān)鍵參數(shù)選取困難等不足，導(dǎo)致預(yù)測(cè)精度不高。 對(duì)此，基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法-支持向量回歸機(jī)（SVR）正廣泛應(yīng)用于碳排放預(yù)測(cè)。如：陳亮等[18]利用SVR 結(jié)合情景分析法預(yù)測(cè)北京市交通運(yùn)輸業(yè)的碳排放；宋杰鯤[19]通過(guò)SVR 和情景分析預(yù)測(cè)未來(lái)5年我國(guó)的碳排放。

SVR 在實(shí)現(xiàn)回歸估計(jì)時(shí)采用ε-SVR 和v-SVR 2 種方法。 其中ε-SVR 法適合有限樣本，理論上可獲得全局最優(yōu)點(diǎn)，有良好的推廣能力，且計(jì)算復(fù)雜度與樣本維數(shù)無(wú)關(guān)，故選用ε-SVR 法結(jié)合情景分析進(jìn)行預(yù)測(cè)。

1 材料與方法

1.1 影響因素選取

“十三五”期間，江蘇省交通運(yùn)輸業(yè)能耗強(qiáng)度明顯降低，污染物排放得到了有效控制，但要實(shí)現(xiàn)碳達(dá)峰，仍存在能源消費(fèi)結(jié)構(gòu)有待優(yōu)化和科技創(chuàng)新支撐不足等問(wèn)題。 結(jié)合ZHANG Chuan-guo 等[20]通過(guò)STIRPAT 模型對(duì)碳排放影響因素的研究成果，并考慮數(shù)據(jù)的可獲得性，選取人均GDP、客運(yùn)周轉(zhuǎn)量、貨運(yùn)周轉(zhuǎn)量、 能源結(jié)構(gòu)和碳排放強(qiáng)度5 項(xiàng)影響因素作為江蘇省交通運(yùn)輸業(yè)碳排放預(yù)測(cè)的自變量。其中，人均GDP 反映了區(qū)域經(jīng)濟(jì)強(qiáng)度的影響；客、貨運(yùn)周轉(zhuǎn)量反映了交通行業(yè)自身的影響； 能源結(jié)構(gòu)和碳排放強(qiáng)度反映了交通運(yùn)輸業(yè)科技發(fā)展水平的影響。 碳排放強(qiáng)度是指單位GDP 增長(zhǎng)帶來(lái)的碳排放量，計(jì)算方式如下：

式中：I 為碳排放強(qiáng)度，t/萬(wàn)元；C 為交通運(yùn)輸業(yè)CO2排放量，t；G 為交通運(yùn)輸業(yè)經(jīng)濟(jì)總值，萬(wàn)元；t 為時(shí)間。

能源結(jié)構(gòu)為不同能源消耗轉(zhuǎn)換標(biāo)準(zhǔn)煤用量與交通運(yùn)輸業(yè)消耗能源總量的比值，計(jì)算公式如下：

式中：Q 為能源結(jié)構(gòu)，%；E 為能源消耗量，t；C 為能源轉(zhuǎn)換標(biāo)準(zhǔn)煤的轉(zhuǎn)換系數(shù)；i 為能源類型，包括原煤、汽油、煤油、柴油、燃料油、電力和天然氣。

1.2 建立基于ε-SVR 的碳排放預(yù)測(cè)模型

線性訓(xùn)練集T=｛ （x1,y1），（x2,y2），…（xi,yi），…（xn,yn） ｝,xi∈Rn,yi∈R,i=1,2,…n。 其中：xi為輸入向量；yi為輸出值。

設(shè)Rn上的一個(gè)線性函數(shù)表達(dá)式為：

式中：ω 為權(quán)值向量；b 為偏移常量。

根據(jù)數(shù)理統(tǒng)計(jì)學(xué)理論，函數(shù)估計(jì)可轉(zhuǎn)化成以下公式：

式中：ε 為不敏感損失函數(shù)閾值。

為解決個(gè)別數(shù)據(jù)在ε 精度下不能完成估計(jì)的問(wèn)題，引入松弛變量，把優(yōu)化過(guò)程轉(zhuǎn)化為對(duì)偶問(wèn)題求解。 對(duì)偶問(wèn)題和回歸函數(shù)均只涉及樣本輸入間的內(nèi)積運(yùn)算（xi,yi），因此引入核函數(shù)K（xi,yi），將線性回歸問(wèn)題轉(zhuǎn)化成Hilbert 空間中的非線性回歸問(wèn)題，構(gòu)建模型為:

根據(jù)2000年～2019年江蘇省交通運(yùn)輸業(yè)碳排放及各項(xiàng)影響因素組成的樣本集。 構(gòu)建模型如下：

（1）對(duì)自變量和因變量進(jìn)行歸一化處理，保證所有的數(shù)據(jù)均在[0,1]之間。

（2） 在樣本集中隨機(jī)選取10 個(gè)樣本組成訓(xùn)練集，剩余樣本組成測(cè)試集。 選擇徑向基核函數(shù)K（xi,x）=處理訓(xùn)練集并構(gòu)建模型。 設(shè)定較小的ε 初始值，將lbC 和lbγ 的取值范圍分成若干網(wǎng)格； 將所有樣本均分為v 組即應(yīng)用v 折交叉驗(yàn)證；固定網(wǎng)格上的一個(gè)參數(shù)對(duì)（C，γ），尋求均方誤差（MSE）最小的參數(shù)對(duì)。如誤差較小，則得到最優(yōu)參數(shù)；否則逐步增大ε 值，直至誤差值滿意為止。

（3）對(duì)訓(xùn)練集的數(shù)據(jù)進(jìn)行仿真，得到模型最優(yōu)解和回歸函數(shù)，將訓(xùn)練集和測(cè)試集的全部數(shù)據(jù)代入函數(shù)并輸出擬合值，并對(duì)擬合結(jié)果與真實(shí)數(shù)據(jù)進(jìn)行線性回歸，依據(jù)相關(guān)系數(shù)判斷模型的學(xué)習(xí)推廣能力，若模型學(xué)習(xí)推廣能力差，則返回上一步。

（4）將預(yù)測(cè)年限交通運(yùn)輸業(yè)碳排放影響因素值xi0按照式（8）進(jìn)行歸一化處理，代入回歸函數(shù)后輸出結(jié)果并對(duì)其依照式（9）進(jìn)行反歸一化處理，可求得預(yù)測(cè)年限的交通運(yùn)輸業(yè)碳排放數(shù)據(jù)。

2 結(jié)果與分析

2.1 數(shù)據(jù)來(lái)源

采用“自上而下”的方法計(jì)算CO2排放量，即基于交通運(yùn)輸工具燃料消耗的統(tǒng)計(jì)數(shù)據(jù)計(jì)算，計(jì)算公式如下：

式中：ECO2為CO2排放量，萬(wàn)t；Ej為燃料消耗量，萬(wàn)t；Fj為燃料碳排放因子。

Ej數(shù)據(jù)來(lái)源于 《中國(guó)能源統(tǒng)計(jì)年鑒》； 人均GDP、客運(yùn)周轉(zhuǎn)量、貨運(yùn)周轉(zhuǎn)量和碳排放強(qiáng)度數(shù)據(jù)來(lái)源于《江蘇統(tǒng)計(jì)年鑒》。盡管電力在使用端是清潔的，但我國(guó)的發(fā)電結(jié)構(gòu)證明電力并不是完全清潔的，故采用生態(tài)環(huán)境部發(fā)布的電網(wǎng)排放因子計(jì)算碳排放量。 不同燃料的碳排放因子[21]見(jiàn)表1。 碳排放量及影響因素?cái)?shù)據(jù)見(jiàn)表2。

表1 不同燃料的碳排放因子 t·t-1

表2 碳排放量及影響因素?cái)?shù)據(jù)

2.2 結(jié)果分析

依照模型構(gòu)建的步驟，隨機(jī)選取訓(xùn)練集和測(cè)試集。ε 的初始值為0.01，C 和γ 的取值范圍為[2-10，210]，網(wǎng)格寬度為0.5，采用10 折交叉驗(yàn)證法，最終得出C*值為1 024.0，ε*值為0.011，MSE 值為0.000 4。 分別對(duì)訓(xùn)練和測(cè)試的樣本進(jìn)行擬合，得到預(yù)測(cè)值與原始值的線性回歸結(jié)果分別見(jiàn)圖1 和圖2。

圖1 訓(xùn)練結(jié)果線性回歸

圖2 測(cè)試結(jié)果線性回歸

由圖1 和圖2 可知，訓(xùn)練樣本的相關(guān)系數(shù)為0.991 0，均方誤差為0.001 1；測(cè)試樣本的相關(guān)系數(shù)為0.999 8，均方誤差為0.000 046。 由此說(shuō)明，模型具有良好的學(xué)習(xí)和推廣能力，可作為碳排放的預(yù)測(cè)模型。

3 江蘇省交通運(yùn)輸業(yè)碳達(dá)峰預(yù)測(cè)

3.1 影響因素標(biāo)定

根據(jù)《關(guān)于完整準(zhǔn)確全面貫徹新發(fā)展理念做好碳達(dá)峰碳中和工作的意見(jiàn)》（以下簡(jiǎn)稱《意見(jiàn)》）、《江蘇省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》（以下簡(jiǎn)稱《綱要》）等相關(guān)資料，獲取江蘇省交通運(yùn)輸業(yè)碳排放5 項(xiàng)影響因素?cái)?shù)值。

共設(shè)置基準(zhǔn)、低碳和強(qiáng)化低碳3 個(gè)情景。各情景下影響因素的變化率見(jiàn)表3。

表3 不同情景下5 個(gè)影響因素的變化率 %

（1）人均GDP

《綱要》提出：“十四五”時(shí)期地區(qū)生產(chǎn)總值年均增長(zhǎng)5.5%左右，到2025年人均地區(qū)生產(chǎn)總值超過(guò)15 萬(wàn)元” 的目標(biāo)，《經(jīng)濟(jì)藍(lán)皮書：2021年中國(guó)經(jīng)濟(jì)形勢(shì)分析與預(yù)測(cè)》 中 “預(yù)計(jì)中國(guó)2020年GDP 上升2.2%左右，2021年GDP 上升7.8%左右”。 結(jié)合國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，中國(guó)雖已進(jìn)入老齡化社會(huì)，但隨著三胎政策施行，人口繼續(xù)增長(zhǎng)，故預(yù)測(cè)人均GDP 將以較慢速度增長(zhǎng)。

（2）客、貨運(yùn)周轉(zhuǎn)量

“十三五”時(shí)期江蘇省客、貨運(yùn)周轉(zhuǎn)量年均增長(zhǎng)率分別為2.6%和11.0%；新冠疫情對(duì)交通運(yùn)輸業(yè)的影響較大，未來(lái)人們更多的是短距離出行，且在新常態(tài)的經(jīng)濟(jì)發(fā)展模式下，由于科技發(fā)展進(jìn)步，貨物的運(yùn)距趨于合理化，重復(fù)和迂回運(yùn)輸減少，故在“十四五”后客、貨運(yùn)周轉(zhuǎn)量將出現(xiàn)小幅度下降趨勢(shì)。

（3）能源結(jié)構(gòu)

2000年～ 2019年能源結(jié)構(gòu)年均增長(zhǎng)率為7.6%。 《交通強(qiáng)國(guó)建設(shè)綱要》中提出“優(yōu)化交通能源結(jié)構(gòu)，推進(jìn)新能源、清潔能源應(yīng)用，推動(dòng)城市公共和城市物流配送車輛全部實(shí)現(xiàn)電動(dòng)化、 新能源化和清潔化”。 《意見(jiàn)》提出“到2030年，非化石能源消費(fèi)比重達(dá)到25%左右” 。 由此可見(jiàn)，加快能源轉(zhuǎn)型、提高清潔能源使用比例已成為必然趨勢(shì)。

（4）碳排放強(qiáng)度

《意見(jiàn)》提出“到2030年單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降65%以上”。 江蘇省交通運(yùn)輸“十四五”發(fā)展目標(biāo)提出“到2025年，江蘇省實(shí)現(xiàn)智慧綠色安全交通走在全國(guó)前列” 。 經(jīng)濟(jì)增長(zhǎng)與碳排放脫鉤成為必然趨勢(shì)，故3 種情景下碳排放強(qiáng)度將以不同速度降低。

3.2 結(jié)果與討論

將3 種情景下的影響因素預(yù)測(cè)值代入ε-SVR模型，基準(zhǔn)和低碳情景下的預(yù)測(cè)樣本相關(guān)系數(shù)大于0.9，強(qiáng)化低碳情景下相關(guān)系數(shù)大于0.8。 將碳排放預(yù)測(cè)數(shù)值進(jìn)行處理后。 所作趨勢(shì)線見(jiàn)圖3。

由圖3 可知，從上到下分別是基準(zhǔn)、低碳和強(qiáng)化低碳情景的碳排放趨勢(shì)線，相關(guān)系數(shù)分別為0.998 2，0.997 5 和0.997 7。其中，基準(zhǔn)情景下，江蘇省交通運(yùn)輸業(yè)碳排放將于2044年達(dá)峰，排放峰值為35 989萬(wàn)t；低碳情景下, 碳排放將于2038年達(dá)峰，峰值為22 684 萬(wàn)t；強(qiáng)化低碳情景下,碳排放將于2036年達(dá)峰，峰值為16 357 萬(wàn)t。

圖3 3 種情景下碳排放預(yù)測(cè)結(jié)果變化趨勢(shì)

上述結(jié)論與以下研究基本一致。 ZHU Changzheng 等[22]利用SVR 結(jié)合情景分析預(yù)測(cè)，高碳情景下中國(guó)交通運(yùn)輸業(yè)碳排放達(dá)峰時(shí)間為2046年，基準(zhǔn)情景下為2040年，低碳情景下為2036年。CHEN Xi等[23]采用庫(kù)茲涅茨曲線預(yù)測(cè)，我國(guó)交通運(yùn)輸業(yè)碳排放將在2043年達(dá)峰；可見(jiàn)江蘇省距“強(qiáng)富美高”新江蘇的總體定位和“兩個(gè)率先”的目標(biāo)任重道遠(yuǎn)。

4 結(jié)論

根據(jù)2000年～2019年江蘇省交通業(yè)碳排放數(shù)據(jù)，選擇人均GDP、客、貨運(yùn)周轉(zhuǎn)量、能源結(jié)構(gòu)和碳排放強(qiáng)度5 個(gè)影響因素，構(gòu)建ε-SVR 模型，結(jié)合情景分析預(yù)測(cè)碳達(dá)峰，得出以下結(jié)論：

（1）模型的訓(xùn)練和測(cè)試數(shù)據(jù)集擬合的相關(guān)系數(shù)均在0.99 以上，均方誤差不超過(guò)0.002，表明所選模型具有良好的適用性。

（2）3 種情景下江蘇省交通運(yùn)輸業(yè)將分別將于2044年、2038年和2036年實(shí)現(xiàn)碳達(dá)峰。

（3）通過(guò)適度降低經(jīng)濟(jì)發(fā)展速度；提高清潔能源利用率；加快優(yōu)化運(yùn)輸業(yè)結(jié)構(gòu)，降低能源消耗[24]；促進(jìn)運(yùn)輸工具更新?lián)Q代等手段均可加速實(shí)現(xiàn)碳達(dá)峰。此外，國(guó)家也可通過(guò)降低企業(yè)減排的成本和風(fēng)險(xiǎn)，加強(qiáng)對(duì)減排技術(shù)的保護(hù)和支持，將社會(huì)路徑與科技路徑結(jié)合起來(lái)，控制交通運(yùn)輸業(yè)碳排放量，以實(shí)現(xiàn)2030年前碳達(dá)峰的目標(biāo)。