基于回归分析与神经网络算法的碳排放强度因子研究——以杭州市为例

研究杭州市人口数量、人均国内生产总值、能源强度以及城市化率与碳排放量的关系,预测了杭州市能源消费碳排放量,为杭州市节能减排提供参考。运用STIRPAT模型、岭回归以及BP神经网络算法,以杭州市能源消费调查数据为依据,分析了碳排放强度因子,预测杭州市能源消费碳排放量。结果表明:STIRPAT模型拟合程度较好,判定系数R 2>0.97。由STIRPAT模型及岭回归所得:2006-2019年杭州市人口数量、人均国内生产总值、能源强度以及城市化率每变化1%,碳排放量相应变化1.7425%、(0.1774+0.1798)%、0.7269%、-0.0719%。其中人口数量与碳排放量正相关性最强,能源强度次之,城市化率与碳排放量呈负相关。BP神经网络算法在201次迭代过程中,第32次迭代中出现了最佳均方根误差,R RMSE<0.017。由BP神经网络算法预测所得:2020-2024年杭州市能源消费碳排放量将进一步保持增长,但增长幅度有所放缓。在观测期内,杭州市发展不符合环境库兹涅茨曲线,在未来一段时间内杭州市碳排放量仍然呈上升趋势。对于杭州市来说,仍需积极推进节能减排政策,加大清洁能源的使用。