中国碳排放预测的时空演变特征及驱动因素分析—基于ARIMA-BP神经网络算法的研究
后印本
Analysis of Spatiotemporal Evolution Characteristics and Driving Factors of Carbon Emission Prediction in China—A Study Based on ARIMA-BP Neural Network Algorithm
-
作者：
赵桑林
1
李哲彤
2
邓浩
1
游星
3
佟嘉昂
4
袁炳坤
5
胡郅昊
1
曾子豪
1
-
作者单位：
- 通讯作者：
赵桑林
Email:202205640108@mails.hufe.edu.cn
-
提交时间：2024-10-20 01:00:38
摘要: 中国碳排放总量占全球的三分之一，如何在2030年前达到碳排放峰值，并在2060年前实现碳中和，保证“双碳”目标的有效实现是当前重要的政策取向。因此，在有效测算和预测各省碳排放的基础上，对时空演变的特征及驱动因素进行分析，对于推进经济高质量发展的同时实现碳减排具有重要意义。本文采用2000—2021年中国30个省份能源耗费数据，基于ARIMA模型和BP神经网络模型，测算并预测了2000—2035年中国30个省份碳排放总量，采用ArcGIS和标准椭圆差对时空演变特征进行了可视化分析，进一步利用LMDI模型对影响碳排放的驱动因素进行了分解。研究结果表明：（1）2000—2035年，我国碳排放总量逐年递增，但碳排放增长率逐渐降低；碳排放结构为“第二产业>居民生活>第三产业>第一产业”，第二产业和居民生活碳的增长速度较快，第一产业和第三产业变化趋势较小；（2）我国各省碳排放的空间分布呈现典型的“东部>中部>西部”，“北部>南部”的分布格局，碳排放中心有向西北移动的趋势；（3）数字经济、产业结构高级化以及新质生产力发展水平较高的地区碳排放相对较少，具有显著的组别差异效应；（4）能源消费强度效应是驱动碳排放不断增长主要因素，人均GDP和能源消费结构效应是抑制碳排放的主要因素，产业结构和人口规模效应的影响相对较小。基于研究结论，从能源结构、产业结构、新质生产力和数字经济等方面提出了政策建议。
版本历史
| [V3] |
2024-10-20 01:00:38 |
ChinaXiv:202408.00129V3
|
下载全文 |
| [V2] |
2024-09-02 22:22:20 |
ChinaXiv:202408.00129v2
查看此版本
|
下载全文 |
| [V1] |
2024-08-16 20:34:14 |
ChinaXiv:202408.00129v1
查看此版本
|
下载全文 |
相关信息
通过
点击量
下载量
