创新点
在我国低碳发展的新型格局下，对碳排放量的周期性分析与准确预测具有重要的现实意义。论文以浙江省碳排放量为研究对象，首先，基于数据分解技术对浙江省碳排放时序的内在模态进行分析。其次，利用套索算法筛选多维度的碳排放影响因素。最后，结合情景分析法在惯性发展、常态发展、低碳发展三种情景下基于GM (1, N)模型对浙江省2020—2030年碳排放量进行预测，为推进浙江省绿色低碳发展提供了科学证据，也是对现存碳排放研究方法的拓展。
第一作者简介
洪竞科，重庆大学管理科学与房地产学院副院长，教授、博导，连续两年入选爱思唯尔中国高倍引学者（2022，2021）与全球前2%顶尖科学家，2018年入选重庆市青年拔尖人才。科技部重点研发计划指南编制组专家、科技部碳中和技术路线发展图编制组专家，兼任《工程管理学报》专栏副主编，曾任中国绿色建筑与节能（香港）委员会秘书长，主要研究方向为城市安全与气候韧性、区域可持续发展。主持参与国家自然科学基金重点、面上、青年项目、重点研发计划课题以及企事业单位的咨询课题和教改课题10余项。以第一/通讯作者身份在《财经研究》《资源科学》、Renewable & Sustainable Energy Reviews、Energy and Buildings、Building and Environment、Applied Energy、Energy等国内外期刊发表论文40余篇，其中ESI高被引论文4篇，出版专著1部。获得国家教学成果奖二等奖、重庆市教学成果奖特等奖、香港绿色建筑议会香港环保建筑大奖，授权发明专利2项、软件著作权5项、实用新型专利4项，申请发明专利10余项。
通讯作者简介
基于套索算法和灰色模型的浙江省碳排放量分析与预测
作者
单位
1. 重庆大学 管理科学与房地产学院
2. 浙江省科技信息研究院
基金项目
1. 浙江省“尖兵”“领雁”研发攻关计划资助项目（2022C03146）
2. 国际合作重点资助项目（T2261129477）
3. 教育部哲学社会科学研究重大课题攻关资助项目（21JZD029）
4. 浙江省重点软科学研究资助项目（2023C25059）
识别上方二维码获取全文
摘要
研究背景
工业革命以来，煤、石油、天然气等化石燃料的大量采用使得二氧化碳、甲烷等温室气体的排放量不断增加，地球大气温度升高，温室效应随之增强，导致全球气候变暖、冰川消融等一系列全球性生态问题，引起国际社会的广泛关注。2020年9月，习近平总书记在第七十五届联合国大会一般性辩论上宣布：“中国将提高国家自主贡献程度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”毋庸置疑，无论是生态文明建设还是经济社会可持续发展的需要，我国已经进人了以减碳为战略抓手的发展新时期。
2020年，习近平总书记在浙江考察时赋予了浙江省“努力成为新时代全面展示中国特色社会主义制度优越性的重要窗口”的新目标新定位，并强调“生态文明建设要先行示范”。为响应国家政策，积极推进“碳达峰、碳中和”的目标，浙江省制定了“到2030年，经济社会发展全面绿色转型取得显著成效，二氧化碳排放达到峰值后稳中有降”的阶段性任务。因此，探析浙江省碳排放的影响因素及其演变特征，并对其碳达峰峰值和时间点进行科学预测，不仅是对现存碳排放研究的方法拓展，也为推进浙江省绿色低碳发展提供科学证据。
在碳排放峰值预测方面，王勇等利用STIRPAT模型和岭回归方法在不同发展情景下预测中国工业及其细分行业的碳达峰峰值和年份，同时基于公平和效率视角评估细分行业的减排潜力并给出相关建议；芦颖等采用IPCC碳核算方法对贵州省2000—2015年能源碳排放量进行测算，基于STIRPAT的岭回归拟合模型分析出贵州省能源碳达峰的最早时间为2033年；朱宇恩等通过构建优化的IPAT模型研究出2015—2040年山西省能源碳排放量及达峰年份；洪竞科等通过构建RICE-LEAP新型综合评估模型，完成了对中国2020—2050年碳达峰路径的研究预测工作；王会芝以天津市为研究对象，采用LEAP模型对城市交通的能源消费和碳排放量进行预测；杜涵蓓等结合Kava和IEAP两种模型预测了南京市某市辖区能源消费碳排放峰值及达峰时间；PU等可将传统线性灰色模型GM (1, 1)和BP神经网络算法相结合完成了对我国2020—2060年建筑业能源消耗量和碳排放量的预测工作；黄锐基于某市2020年的碳排放目标，利用GM (1, N)模型研究出该市七类土地分别应规划控制的用地面积；MA等基于关联规则算法和优化的GM (1, N)模型分析预测了全国层面及我国东部、中部、西部局部地区的碳排放。以上研究大多使用STIRPAT模型岭回归法、IPAT模型、LAEP模型Kava恒等式BP神经网络灰色预测模型等，并结合情景分析法进行碳达峰分析与预测。在上述方法中，不难发现灰色模型在碳排放预测领域出现频率较高，一是因为灰色模型对数据长度没有严格要求，模型构建成本低，能提供相对稳定的预测性能：二是因为我国碳排放量公开数据以年为单位，数据量较小，不适合使用神经网络/深度学习模型。鉴于上述分析，本文使用灰色模型对浙江省碳排放进行预测。
在碳排放影响因素研究中，马金玲等基于主成分分析法对广东省城市客运交通碳排放量进行研究，发现影响碳排放前三的因素为经济水平城市交通规模及运输能力；刘莉娜等首先使用因子分析法去除影响中国农村家庭人均二氧化碳排放量的不显著因素，继而基于灰色关联度法分析出农林牧渔总产值因子是影响我国农村家庭人均碳排放量的重要因素；HUANG等结合灰色关联度法和主成分分析法研究中国碳排放量的影响因素，最终筛选出四个主要因子并输人ISTM预测模型进行分析；叶晓佳等通过LMDI分解模型分析影响浙江省碳排放的因素情况，研究表明1995—2008年间对浙江省碳排放量产生正向驱动作用的因素是经济发展和人口规模，产生负向作用的是能源强度和结构调整；李汉东等使用组合神经网络模型，从人口因素探究并预测了国家层面碳排放强度的变化趋势，表明了人口数量变动与碳排放的相关关系；郭文军采用自适应套索算法探析影响我国区域碳价的主要因素；RAO等在2020年的研究中通过建立LARS-LASSO 模型对武汉市环境污染指标中影响经济增长的因素进行了分析。上述影响因素筛选的研究大多聚焦于主成分分析法灰色关联度法LMDI分解法、套索算法等。主成分分析法只能从自变量的角度对影响因素进行筛选，忽略了因变量的变化；灰色关联度法和LMDI分解法在变量的选择上存在一定的主观性。换言之，上述方法可以实现对碳排放影响因素的筛选。但筛选出的变量往往预测能力较弱，而套索算法能够将影响程度较低的影响因素识别出来并压缩其系数为0，相比前三种方法具有更加卓越的变量筛选能力。
本文以浙江省为研究对象，利用套索算法和灰色模型，同时结合情景分析法对浙江省碳排放量进行分析与预测。主要工作可分为三个部分：1）对1997—2019年浙江省碳排放数据特征进行分析，挖掘碳排放波动的周期性与复杂性进一分析内在波动规律：2）广泛收集碳排放影响因素通过套索算法筛选出关键影响因素：3）利用情景分析法，假设常态发展、低碳发展、惯性发展三种情景，设置不同情境下碳排放影响因素的增长趋势，将历史碳排放量及筛选后的碳排放关键影响因素作为输人训练灰色模型，在三种假设情景下使用GM (1, N)模型进行预测，预测2020—2030年浙江省碳排放量。
部分图片
图1 自相关图与偏相关图
引文格式
洪竞科,杜薇,邵金,劳慧敏.基于套索算法和灰色模型的浙江省碳排放量分析与预测[J/OL].能源环境保护:1-10[2024-01-04].https://doi.org/10.20078/j.eep.20240101.
HONG Jingke,DU Wei,SHAO Jin,LAO Huimin.Carbon emission forecasting in Zhejiang Province based on LASSO algorithm and grey model[J/OL].Energy Environmental Protection:1-10[2024-01-04].https://doi.org/10.20078/j.eep.20240101.
