基于GM(1,1)模型的江苏省碳排放预测

2022-10-07黄昕怡吴嘉仪林文浩吴秋霞

黑龙江科学 2022年18期

黄昕怡，吴嘉仪，林文浩，吴秋霞

(1.宿迁学院文理学院，江苏宿迁 223800； 2.浙江海洋大学，浙江舟山 316021)

0 引言

全球气候变暖是一种和自然有关的现象，主要是由温室效应不断积累而造成的。人类进行生产活动时产生大量的二氧化碳，导致了温室效应。全球气候变暖会使海平面上升，频繁发生极端天气，这些都会给人类带来极大的影响与危害。我国“十一五”规划纲要中出现了“节能减排”一词。节能减排是节约能源、降低能源消耗，减少污染物、二氧化碳的排放，以此来应对全球气候变化。

近年来，江苏省GDP增速一直上升且处于工业快速发展阶段，碳排放量也呈逐年递增态势。这些年，关注江苏省碳排放的研究较多。赵荣钦等通过构建碳排放清单的核算框架和计算方法，对2000-2010年江苏省碳排放清单进行了全面测算，并对江苏省碳减排潜力进行了情景分析[1]。陈奕琼利用STIRPAT模型，选取五个指标并设定了三个碳排放情景模式，结合江苏省1990-2015年碳排放数据来预测不同情景下江苏省2016-2040年的碳排放量[2]。近年来，关注江苏省碳排放影响因素的研究也较多。吴梅运用扩展的Kaya碳排放恒等式和LMDI模型，分解并计算出了人口规模、人均GDP、产业结构、能源强度、能源消费结构这五个因素引起的碳排放增加量，从而分析江苏省碳排放驱动因素的动态特征[3]。黄蕊等利用STIRPAT模型，定量分析了江苏省能源消费碳排放量与人口、富裕度、技术进步等影响因素之间的关系[4]。

即使STIRPAT模型能够很好地分析各影响因素对江苏省碳排放的影响，从而对未来碳排放量进行预测，但仍然很难将影响因素细化，因此仍存在一定的误差。而灰色预测模型对样本的要求较低，计算工作量小，是一种简便可行的方法。

灰色预测模型是由华中科技大学的邓聚龙教授提出的，现已在工业、农业、旅游业、经济发展等方面有了广泛应用。李楠等基于灰色预测模型，对华山景区2014-2017年的客流量进行预测并得到了理想结果，同时肯定了灰色预测模型的可信度与精度[5]。何明芳从提高数据序列的光滑比与采用灰色新陈代谢模型两个方面来提高模型的预测精度[6]。徐学艳等将灰色预测模型应用于上海市海洋生产总值的预测上并分析了上海市海洋经济的发展态势[7]。

一些学者也对灰色预测模型进行了不同方面的改进。彭官友为了提高预测精度，降低误差，对传统的灰色预测模型进行了修正，将累积法与灰色预测模型结合[8]。姚裕盛提出了一种基于GM(1，1)灰色预测的残差修正模型，通过运用传统模型与改进后的残差修正模型分别进行预测，最后发现残差修正模型能够弥补传统灰色预测模型的不足，从而达到较高的预测精度[9]。刘芳芳利用缓冲算子改进灰色模型并又改进了灰色马尔可夫预测模型，对矿山事故预测进行了应用分析[10]。这些对灰色预测模型不同方面的改进，拓宽了此模型的应用领域。

1 灰色预测方法

1.1 原理

白色系统是指一个系统的内部特征是完全已知的，即系统信息是完全充分的。黑色系统是一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。而灰色系统是介于白色和黑色之间的，灰色系统内的一部分信息是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系。一般来说，社会系统、经济系统、生态系统都是灰色系统。例如导致碳排放量增长的因素有很多，但已知的却不多，因此对碳排放这一灰色系统的预测可以用灰色预测的方法。

灰色预测是指对系统行为特征值的发展变化进行的预测，对既含已知信息又含未知信息的系统进行的预测，也是对在一定范围内变化、与时间序列有关的灰过程进行预测。灰色预测基于混沌理论，系统所显示的现象是朦胧的，数据是复杂的，但毕竟是有序的，具有整体功能的。

灰色预测的数据不是原始数据，而是生成数据，即对原始数据按某种要求作数据处理后的数据，目的在于从杂乱无章的现象中发现某种内在规律。常用的灰色预测方法有数列预测、灾变预测、季节灾变预测、拓扑预测、系统综合预测、模糊预测。目前最广泛使用的是GM(1，1)模型，关于数据预测的一个变量、一阶微分的模型。