基于GDIM-STIRPAT及TPA-GRU的江西省碳排放影响因素及预测研究

本文基于江西生产总值、能源消耗总量、年末人口总数、人均碳排放量、人均GDP、城镇化率、能源消费碳强度作为江西省碳排放的驱动因素,通过GDIM及改进的STIRPAT模型,对上述驱动因素与碳排放关系进行定性与定量的研究。结果表明:年末人口数、GDP、城镇化率、碳排放强度、能源消耗总量、人均碳排放量和能源消费碳强度每改变1%,碳排放量相应改变0.102%、0.142%、0.164%、0.049%、0.142%、0.445%、0.108%。在此基础上构建时间注意力机制的门控循环神经网络(TPA-GRU)模型,且TPA-GRU碳排放预测模型的决定系数为0.9468,远高于原始的GRU、LSTM、RNN、 MPL等预测模型。 。

安徽省工业碳排放影响因素分解及脱钩研究

为有效识别安徽省工业碳排放的影响因素,判断工业经济与工业碳排放脱钩状态,以2005~2020年安徽省工业为研究对象,采用GDIM法对工业碳排放影响因素进行分解,结合DPSIR框架脱钩模型分析各影响变量与工业碳排放的脱钩程度。研究结果表明:工业产出效应是促进安徽省工业碳排放的主要影响因素,总体贡献率达到53.57%;产出碳排放效应表现为明显的抑制作用。工业碳排放与工业经济在2006~2020年之间的脱钩效应呈现出“M”型变化特点,产出碳强度是实现脱钩的关键因素,能源消费效应和技术进步效应对整体脱钩有较强的抑制作用;因此提出了优化绿色金融政策框架、倡导低碳企业文化、大力发展循环经济等措施。

区域绿色技术创新驱动因素分析--基于我国省级绿色专利数据的证据

基于广义迪氏指数分解法(Generalized Divisia Index Method,GDIM),利用长江流域绿色创新专利数据,分解各驱动因素对绿色技术创新的贡献率;结合不同省市的背景分析驱动因素的变化情况,深入研究不同驱动因素影响绿色技术创新的时空差异。最后,针对不同地区的主要问题提出政策建议。