基于BP神经网络的中国建筑业碳达峰预测与实证路径

李可馨,代大为

(安徽理工大学 人文社会科学学院,安徽 淮南 232001)

工业革命以来,大量的化石燃料被开采使用,二氧化碳排放量显著增加,全球气温升高。作为世界上最大的发展中国家,中国政府承诺将努力在2030年实现碳达峰,并在2060年实现碳中和。作为拉动国民经济发展的重要支柱产业,建筑业长期存在高污染、高耗能的问题。随着我国城市化程度的不断提高,建筑生产过程中的碳排放也在不断攀升。针对建筑业碳排放进行研究预测,并对建筑业碳达峰实现路径提出切实可行的意见十分必要。

一、文献综述

近年来,学界针对建筑业碳减排工作做了大量研究,涉及建筑业碳排放量的测算、碳排放驱动因素分析、建筑业碳排放预测等方面。关于建筑碳排放测算的方法,常用的有投入产出法、全生命周期法以及排放因子法等。张智慧等[1]使用投入产出法核算建筑业碳排放量。冯博和王雪青[2]根据IPCC碳排放测算方法建立了基于排放因子的建筑碳排放测算模型。对于建筑业碳排放的驱动因素分解分析,常用对数平均迪氏指数(LMDI)分解法、STIRPAT 模型等方法。人口数量、建筑业产值、劳动生产率等都是影响建筑业碳排放的关键因素。

目前,针对建筑业碳排放预测研究主要采用情景分析法、BP 神经网络与灰色预测模型等方法。赵冬蕾等[3]使用系统动力学预测建筑业碳排放,研究表明节能减排能够有效降低建筑业直接碳排放量。马彩云等[4]使用灰色预测模型对安徽省建筑业2017—2021年碳排放进行预测,结果显示安徽省建筑业碳排放量呈上升趋势。……