基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

摘要：

基于排放因子法估算2000-2020年甘肃省三大产业及生活能源消费直接CO2排放量,描述分析其时序演变特征.建立BP神经网络模型并预测2021-2030年甘肃省CO2排放量.构建甘肃省CO2排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO2排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素.结果表明:甘肃省产业及生活能源消耗直接CO2排放总体呈波动增长趋势,且第二产业占比在70％以上,是主要的CO2排放源;BP神经网络模型的预测误差为2×10-4,相关系数＞0.99,对于预测甘肃省CO2排放具有较高精度,并得出2026年的甘肃省能源消耗直接CO2排放量达到最大;甘肃省CO2排放的驱动因素作用差异显著,CO2排放强度、经济发展、城乡消费对CO2排放的正向作用较大,城镇居民人均消费支出是主要影响因素.森林覆盖率的增长抑制了 CO2排放,能源强度的降低有助于CO2排放量减少,3大产业结构的调整与转型可引起CO2排放量下降.

关键词：CO2排放、BP神经网络、STIRPAT模型、多元回归分析、随机森林

所属期刊栏目：41

分类号：F205;X24;F124.5

资助基金：甘肃省重点研发计划项目;科技部高端外国专家引进计划项目;甘肃省自然科学基金;甘肃省自然科学基金

在线出版日期：2023-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：61-68,85