新陈代谢灰色模型在中国碳排放量预测中的应用

中国碳排放问题已经成为世界关注的焦点问题,预测中国未来的碳排放有助于实现2020年碳减排目标.通过选取2005~2011年中国碳排放数据,利用新陈代谢灰色模型对中国碳排放进行短期预测.模型检验结果表明:相对误差为二级,平均精度为一级,预测结果与实际值出入较小,到2015年中国碳排放量将超过31亿吨碳.针对研究结果,提出发展低碳经济提高能源效率和发展非石化能源来降低碳排放的策略.     

中国碳排放与能源消费关系实证研究——基于VEC模型

中国碳减排问题成为世界关注的焦点问题.研究碳排放与能源消费关系有助于实现2020年碳减排目标.选取1953-2008年中国碳排放和能源消费数据,运用协整理论、向量误差修正模型(VEC)和Granger因果关系分析,对中国碳排放量与能源消费之间的相互关系进行实证研究.研究结果表明:碳排放与能源消费之间存在协整关系,能源消费增加1%,碳排放将增加0.9646%,即碳排放对能源消费的长期弹性为0.9646.从短期误差修正模型来看,碳排放与能源消费之间具有动态调整机制.非均衡误差项的存在,能够保证两者之间长期均衡关系的存在.Granger因果关系研究表明:碳排放与能源消费之间互为双向因果关系.通过脉冲函数和方差分解分析了模型的动态特征.根据研究结果,提出降低能源消费和减少碳排放对策.     

江苏省能源消费结构对碳排放影响的效应与趋势——基于LMDI和Logistics模型的实证研究

近年来,江苏省能源消费持续增长且以煤为主的能源结构尚未改变,由此引起碳排放量也在逐年增加.主要研究碳排放系数、碳排放的影响因素以及不同能源结构下的碳排放预测.首先对碳排放系数进行计算,然后基于LMDI模型对影响江苏省碳排放的因素进行分析,最后运用1ogistics模型对不同能源结构下的碳排放进行预测.结果发现能源消费过度依赖煤炭是导致碳排放增加的主要因素,天然气每替代煤炭2%或新能源每替代煤炭1%,2030年江苏省碳排放峰值将下降1%.     

GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

中国碳排放变化的因素分解与减排路径研究

能源及其引致的碳排放等相关问题已经成为影响人类社会发展全局和全球政治经济格局的重大战略问题.中国是世界上最大的发展中国家,面临着更严峻的能源挑战.节约能源、大幅度改善能源效率是我国应对能源和气侯变化挑战的一条极其重要且有效途径.本文综合考量了能源结构、能源强度、能源效率及经济增长等4个因素对碳排放的影响,基于因素分解模型,应用LMDI分解方法对中国一次能源利用的CO2排放及碳排放强度变化进行了研究,研究发现二氧化碳排放增加主要是由于经济增长、人口规模扩大引起的.在此基础上提出了碳减排的政策建议.     

基于Adaboost-SVR模型的我国碳排放强度分析与预测

首先对我国1960-2017年的碳排放趋势分5个阶段分析,发现虽然在不同时期存在波动,但长期来看,我国碳排放强度呈逐步下降趋势.然后对差分平稳后的序列数据建立Adaboost-SVR预测模型,采用RMSE、MAPE、MAE、MSE四个评价指标比较Adaboost-SVR模型与Adaboost-DT、SVR、BP神经网络对碳排放强度的预测精度.结果表明,组合模型明显优于其他3种模型,对于碳排放强度预测具有很高的可靠性.另外,通过使用Adaboost-SVR模型进行后续年份预测,发现我国未来碳排放强度总体将继续缓慢下降.最后,基于二氧化碳排放量的LMID分解结果,提出调整能源产业结构, 促进可再生能源利用等节能减排建议.     

中国省际碳排放驱动因子及趋势分析:以辽宁省为例

采用1997-2012年辽宁省碳排放时间序列数据,参照STIRPAT模型,通过因子分析和最小二乘法回归拟合得到碳排放量和5类主要影响因子的拟合方程.研究结果表明:人口、人均GDP、第二产业产值、单位GDP能耗和全社会固定资产投资每增加或降低1%将带来碳排放量增加或降低比率分别为:0.3294%、0.1544%、0.1424%、0.2675%和0.1375%.通过灰色预测模型GM(1,1)进行预测分析,预测结果为:2020年和2030年辽宁省的碳排放总量将分别达到38705.368万t和69603.215万t,碳排放强度将分别降至0.576t/万元和0.2878t/万元.     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

基于LMDI的中国碳排放影响因素分解研究

在对中国2000-2012年不同产业部门、不同能源消费类型的碳排放量进行估算的基础上,利用Kaya恒等式改进模型结合LMDI分解法对中国碳排放量的影响因素进行分解分析.结果显示:经济产出水平、能源结构和人口规模对碳排放的影响是正向的,能源强度和产业结构对碳排放量的影响是负向的.最后提出节能减排的对策建议.     

中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术

在对我国物流业碳排放特征进行分析的基础上,运用LMDI分解技术,建立中国物流业人均碳排放的因素分解模型,定量分析了1991-2010年能源结构、能源效率、运输方式、物流发展、经济增长以及人口等6种因素对物流业人均碳排放的影响.分析表明:经济增长是拉动物流业碳排放增长最主要的动力,在研究期间呈指数增长的趋势.运输方式对碳排放增长也表现出明显的促进作用,能源结构和能源效率虽然表现出拉动作用,但效果微弱.而物流发展因素则对物流业人均碳排放量表现出明显的抑制作用.因此,应大力推进物流业科技水平的提高,进一步发挥物流发展因素对碳排放的抑制作用,同时,优化物流运输体系,形成以铁路为主体,水运和管道为支撑,公路和航空运输为辅的低碳化的综合运输体系.     

基于STIRPAT模型的我国制造业碳排放影响因素研究

本文采用岭估计法和STIRPAT模型,定量分析了人口、财富和技术因素对我国制造业碳排放的影响,认为人口和财富因素对我国制造业碳排放存在正向作用,影响系数值分别为0.529和0.2565;技术因素有负向作用,其影响系数为-0.0965。构建了引入人口和财富二次方项的STIRPAT模型,二次方项的系数都为正,说明环境库兹涅茨倒U型曲线不适用于我国目前制造业碳排放,即我国制造业碳排放短期内不会出现拐点。最后给出了相应的对策建议。     

基于LMDI的中国能源消费碳排放强度变化因素分解

利用IPCC《国家温室气体清单指南》(2006)推荐的参考方法和参数,评估和计算中国1997年-2007年的碳排放量和碳排放强度,并应用LMDI方法对碳排放强度进行因素分解.研究结果表明,能源强度因素对我国碳排放强度变化的贡献率最大,达到139.66%;产业结构效应次之,为-28.23%;能源结构效应最小,为-11.43%.针对实证结果,提出现阶段我国节能减排的重点在于提高能源效率、调整产业结构及优化能源结构.     

中国能源消费、碳排放与经济增长的区域差异性研究

基于1990～2010年我国30个省市面板数据,采用面板计量分析方法,考察我国源消费、碳排放与经济增长三者之间相互影响关系对空间区域的依赖性.研究结果表明:能源消费、碳排放与经济增长三者之间不仅存在着相互影响的关系,且具有显著的区域差异性.各省份的经济发展均为各地区能源消费增长的重要诱因之一,这与能源消费与经济增长具有较高关联度的结论保持一致.北京、辽宁、吉林等16个省份碳排放变化与经济增长变化之间的的弹性系数为负值,而天津等其他14个省市碳排放总量还将伴随着经济增长而增长,所以弹性系数为正值,这点隐含说明当区域经济水平较高时,该区域也将拥有更多优势条件来减低碳排放,实现碳减排最终还是需要依赖于发达的经济水平.     

中国能源消费的EMD分析与预测

基于EMD分析,结合SVM方法构建了中国能源消费的预测模型,提供了一种新的能源消费预测思路.研究结果表明,到2020年我国能源消费量3027百万吨油当量,低于IEA2010能源展望中的预测结果.在低碳经济、节能减排已成为国际政治领域热点议题的背景下,采用定量的方法对中国能源消费状况进行分析与预测,有利于分析中国的国际政治压力及中国能源企业海外投资.     

中国碳强度的影响因素解析——基于LMDI分解方法

基于1996-2009年我国碳强度分析,采用对数平均权重分解法(LMDI)进行因素分解.结果显示1996-2009年中国碳强度总体降低了2.9078吨/万元,其中能源强度效应最大,贡献率为85.64%,能源结构效应偏小,为26.78%,而产业结构效应表现出小幅正负波动,总体为-12.0975%,这说明能源结构效应和产业结构效应的潜力还没有充分发挥出来.因此,降低高耗能产业的能源强度是短期内降低碳强度的关键措施,但长远来看改善能源结构以及优化产业结构是降低碳强度的根本途径.     

强制减排规制下基于碳减排利润增量分享契约的供应链协调研究

碳减排会增加制造商的成本,导致批发价和零售价提高,从而抑制市场需求。以此为背景,本文针对由一个制造商和一个零售商组成的供应链,研究了强制减排规制下考虑消费者低碳偏好时的供应链决策与协调。通过设计碳减排利润增量分享契约协调制造商和零售商的决策,实现帕累托改进,利用Rubinstein讨价还价模型最终确定减排利润分享比例。研究发现,实施碳减排利润分享契约能有效提高零售商的订货量,并降低批发价格;制造商的利润随着消费者低碳意识提高而提高;当净化率较低时,零售商的利润随消费者低碳意识提高而提高;当净化率较高时,零售商的利润随消费者低碳意识提高而降低;最后,论文通过数值模拟验证了碳减排利润分享契约的有效性。     

中国碳排放的省域差异及影响因素的实证研究

参照IPCC(2006)以及国家气候变化对策协调小组办公室和国家发改委能源研究所)的方法,估算了我国30个省(直辖市、自治区)的1997—2011年期间的二氧化碳排放量.数据显示,我国各省(直辖市、自治区)的二氧化碳排放量从整体上基本都呈现出上升趋势,地区差异比较显著.总体上来讲,我国的二氧化碳排放量呈现出由东到西依次递减的规律特征,东部地区的二氧化碳排放量最多,中部地区次之,西部地区二氧化碳排放量最少,而且东部地区的二氧化碳排放在绝对量上大大超过中西两大区域.产业结构和经济发展是影响各地区二氧化碳排放量的主要因素,能源消费结构和出口贸易对各地区碳排放量的影响不显著.     

居民生活私人交通碳排放驱动因素的“三级分解”模型

突破以往采用难以保证精确性估算数据的局限,根据居民生活私人交通所消耗的能源种类,利用官方统计年鉴中的数据,在保证数据真实性的基础上,基于扩展的IPAT与LMDI模型,构建一个包含居民私人交通碳排放强度、碳排放结构、交通消费倾向、收入、家庭规模与户数6个因素的居民私人交通碳排放驱动因素的"三级分解模型",对居民生活私人碳排放及其驱动因素进行核算.结果建议进一步降低居民私人交通碳排放强度,提高居民能源消费的利用效率;同时鼓励发展小排量与新能源汽车消费,并且大力发展公共交通,倡导居民出行多采用公共交通工具出行,引导节能减排的出行方式.