摘要
文章基于2000—2020年中国工业行业相关数据,构建了平均绝对百分比误差(MAPE)为0.03%的BP神经网络预测模型,同时将工业碳排放的影响因素分为受历史惯性和市场影响较大的非控制性因素和可以通过政策引导促成的控制性因素两大类,非控制因素采用LSTM长短期记忆神经网络进行预测至2030年,控制性因素由2030年目标数值逐年逆推得出,经实证分析得到如下结论:(1)中国工业碳排放量将于2026年达到峰值,随后一段时期内保持相对高位但低幅波动状态;(2)在非控制变量中,工业增加值轻微下降,制造业人数先下降后回弹,能源消费量持续上升,发电及供热总效率明显提升;(3)在控制变量中,人口总数、城镇化率等对工业碳排放量的增加具有正向作用,但影响程度较低;人民币兑美元升值、非化石能源占比提高的条件下,工业碳排放量会降低,影响程度较前述变量更加明显。
出处
《贵州社会科学》
CSSCI
北大核心
2021年第9期135-146,共12页
Guizhou Social Sciences
基金
国家社会科学基金一般项目“中国产业部门碳生产率的演变特征与优化对策研究”(20BJL037)。
