基于LSSVM方法的广东省十三五期间CO2排放预测

赵开诚

摘 要：随着全球气候的不断变化和国际社会对于气候问题的关注，碳排放成为了世界研究的热点问题。本文利用了机器学习的方法，构建了最小二乘支持向量机模型（LSSVM），通过收集广东省十三五期间的相关数据，对广东省截至2020年的碳排放量做出了预测，并根据结果提出了相关的政策建议

关键词：碳排放预测；机器学习；LSSVM；实证分析

1 绪论

1.1 研究背景与意义

人类文明的不断发展导致全球气候发生了深刻变化，其中最重要的表现就是全球变暖。全球变暖的主要原因是空气中二氧化碳浓度大幅增加，造成这一点的主要原因就是人类对于能源的消耗导致的碳排放。作为世界上最大的能源消耗国家，中国的碳排放对全球气候和环境都具有重大影响。中国政府在“应对气候变化的国家计划”中提出，到2020年，单位GDP的二氧化碳排放强度应比2005年低40%-45%。十三五期间是实现减排目标的关键时期，各省政府都开始出台一系列的减排政策，探索绿色发展的新模式。

广东省是中国的人口和工业大省，自进入20世纪以来，广东省的碳排放量一直高居全国前列，因此二氧化碳排放量预测已成为一个具有重要研究价值的热点问题，引起了世界各国学者的关注。由于广东省在中国碳排放格局的重要地位，以及广东地区人民对健康生活环境与气候环境的需求，对未来广东省的碳排放进行预测具有重要现实意义。

1.2 国内外研究现状

国际上对于CO2排放的影响因素分析和短期、中长期预测已经形成了丰富的研究成果。随着近年来温室效应的加剧，大量的学者运用了传统计量分析，协整分析，投入产出分析，智能优化算法等方法，对世界上发达国家和发展中国家的CO2排放进行了更加深入的研究。在进行影响CO2排放量主要因素和碳排放预测的研究中，经济，人口和能源消费作为主要的影响因素，已经得到了国内外学者的普遍认同，除了传统的总量指标，结构性指标如产业结构，能源消费结构和城镇化率在近些年的研究中也受到了更多学者的重视。随着分析指标和方法的不断完善，国外很多地区的CO2排放预测已经比较成熟，拥有较高的精确度。

国内对于CO2排放预测的起步较晚，但随着气候问题的不断升温，很多学者开始对CO2排放进行了研究，但是國外最为成熟的传统分析，如计量经济学分析，在我国的运用具有一定的局限性，由于我国地理跨度极大，又处于经济发展与能源消费的关键转型期，过于依赖历史数据的传统计量分析容易产生较大的误差。近年来机器学习技术得到了广泛运用，这种方法很大程度上克服了传统方法处理海量数据，变量关系复杂化问题时精度不足的缺陷，很多国内学者将机器学习的方法，如BP神经网络，支持向量机等运用在了CO2排放预测领域。同时，我国不同省份之间的地区差异极大，当前对于我国具体地区的CO2预测成果仍然较少，缺少精确度较高，对于地区温室气体减排具有现实指导意义的研究成果。

本文综合考虑了国内外对于CO2排放影响因素的研究，查找了大量历史与规划数据，运用精度较高的LSSVM模型，对于十三五期间广东省地区的CO2排放进行了预测。

2 LSSVM模型的建立

最小二乘支持向量机（LSSVM）是二次损失函数下的支持向量机（SVM），是一种被广泛运用于短期预测的机器学习方法。它利用小样本数据的统计学习理论，在高维特征空间中找到最优线性回归。通过超平面回归数据的模型。基本思想来自超平面的最佳分离-最大化分离和采用核学习的方法。它是统计学习中结构风险最小化原则的具体实现。

3 实证分析

参考国内外学者在碳排放预测领域的研究成果，本文选取了GDP，产业结构，能源消费总量，能源消费结构，人口以及城镇化率等6个指标作为影响广东省CO2排放量的主要因素。通过查阅《中国统计年鉴》与《中国能源统计年鉴》，整理出广东省2000-2015年上述指标的统计值和广东省的历年碳排放总量，其中产业结构和能源消费结构分别用第二产业占GDP总增加值的比重和煤炭消费占能源消费的比重来计量。通过查找《广东省国民经济和社会发展第十三个五年规划纲要》、《广东省能源发展“十三五”规划（2016—2020年）》以及《广东省人口发展“十三五”规划》可以得到影响碳排放的主要6个因素的规划数据，如表1所示：

以未来的规划数据作为输入变量，2000-2015年的相关指标和碳排放数据作为训练样本和测试样本，代入构建好的LSSVM模型，可以得到广东省2016年-2020年的CO2排放量预测值，LSSVM模型在matlab中的运行结果和最终的碳排放预测结果如下：

4 结论与政策建议

通过实证分析的结果可以发现，广东省的CO2排放量在2015年达到峰值，在十三五期间广东省的CO2的排放量开始呈现了下降趋势，这与《BP世界能源统计年鉴》中中国2016年的CO2排放量开始出现下降的趋势基本吻合，到2020年，广东省的CO2排放总量将下降至52398.48万吨，相比2015年下降12.40%，大大超出了5.7%的国家预期平均水平，说明在现行的政策规划下，广东省的温室气体排放将得到很大程度上的缓解，减排目标能够如期实现。

通过观察影响CO2排放量的因素与CO2排放量的变化关系可以发现，对于人口基数巨大，工业经济较为发达的广东地区，产业结构和能源消费结构与CO2排放量之间的关系并不明显，GDP和能源消费总量在影响CO2排放量的因素中仍然占据重要地位，因此要想在保持经济发展的同时减少碳排放，广东省仍需加快产业结构调整和清洁能源技术开发的力度，释放结构性因素在碳减排领域的活力，保证经济发展的同时达成节能减排的目标。另一方面，政府应加快推动产业转移，将部分高耗能，高排放的工业向临近工业基础相对薄弱，环境压力相对较小的贵州，广西，江西等省份转移，保证地区气候环境稳定和节能减排目标的实现，同时促进地区经济发展。

参考文献：

[1]李金克，王风华，耿殿明.中国CO2排放、煤炭消费及经济增长的协整检验[J].统计与决策，2011（19）：113-115.

[2]陈腾飞.中国碳排放的智能预测及减碳对策研究[D].华北水利水电大学，2016.

[3]周建国，张希刚.基于粗糙集与灰色SVM的中国CO2排放量预测[J].中国环境科学，2013，33（12）：2157-2163..