基于IPSO-BP神经网络模型的山东省碳排放预测及生态经济分析

摘要：

在低碳经济发展背景下,针对山东省碳排放数据更新迟缓、以往预测模型难以满足现实需求的问题,统计相关数据,根据政府间气候变化专门委员会(IPCC)推荐方法测算山东省2000—2017年碳排放量和排放强度,并借助脱钩分析、碳承载力和碳赤字探究碳排放的动态变化趋势;基于5项最重要的碳排放影响因素,建立改进的粒子群算法(IPSO)优化BP神经网络模型,对山东省的碳排放量和排放强度进行仿真预测.结果表明:山东省工业耗能占总量的78.5％左右.2000—2017年间山东省碳排放量呈增长趋势,年平均为52328.10万吨;碳排放强度却呈下降趋势,年平均为1.73万吨/亿元.总体而言,2000—2017年间山东省碳排放量与GDP之间呈弱脱钩的态势,碳承载力呈先增长后减小的趋势,18年间碳承载力减少了8％,全省从2005年开始出现碳赤字,并呈现增大趋势.IPSO算法明显优化了BP神经网络,误差更小、精度更高,更适于碳排放量及相关指标的预测.预测结果显示山东省未来碳排放量呈缓慢增长趋势,而碳排放强度有所降低,以期为政府决策提供科学依据.

关键词：BP神经网络;IPSO优化算法;碳排放;预测;山东省

所属期刊栏目：41

分类号：X196

资助基金：国家重点研发计划;国家重点研发计划;环境材料与修复技术重庆市重点实验室开放基金

在线出版日期：2022-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：149-158