基于BP-LSTM混合神经网络的碳价预测研究

碳排放权交易价格是影响碳排放交易的决定性因素,准确预测碳价可以帮助政府更好地应对气候变化。基于BP混合LSTM神经网络模型,提出了一种精度高的碳价预测方法。首先,在理论分析基础上对影响碳价的因素进行皮尔逊相关系数分析,筛选出影响湖北碳价的关键因素;接着,考虑历史碳价的数据特征对碳价预测的影响,将其与筛选出的关键因素结合输入预测模型;最后,使用BP-LSTM神经网络模型得到湖北碳价预测的结果。预测结果表明:BP-LSTM神经网络模型在预测集上表现相对良好,MSE误差为0.82。基于研究过程性结论及结果展示,提出要在完善碳价交易体系的基础上,关注碳排放影响因素动态性变化,更新和优化碳价预测模型。

基于多指标信息融合的城市低碳发展水平测度研究

在已有研究基础上,从碳排放水平、经济发展、能源消耗、交通出行、科学教育、资源环境、工业发展7个准则层以及30个指标层设计城市低碳发展水平评价指标体系;并融合两阶段因子分析法、聚类分析以及基尼系数等方法,构建融合多指标信息的城市低碳发展水平评价体系,综合评价了中国各地级及以上城市的低碳经济发展水平。结果表明:(1)我国城市低碳发展仍存在区域不平衡的问题,城市低碳经济发展水平主要受经济高质量发展、城市行政等级、产业转型等因素影响。(2)我国城市低碳发展力度受相关政策影响,科学可行的政策对于城市低碳发展水平具有强大导向作用以及推力,促使其朝积极健康的方向动态变化。