基于PSO-BP神经网络的山西省碳排放预测

来源：环境工程技术学报杂志2023年第6期北京时间：

作者：杨俊祺, 范晓军, 赵跃华, 袁进

摘要：山西作为能源使用和碳排放大省，推动“双碳”战略对全国具有重要示范意义。基于IPCC（政府间气候变化专门委员会）排放系数法测算山西省2000—2020年的碳排放量，运用Tapio脱钩模型分析碳排放与经济发展之间的脱钩关系，利用LMDI法对影响碳排放变化的因素进行分解，采用PSO-BP神经网络模型对山西省的碳排放量进行模拟和预测。结果表明：2000—2020年山西省碳排放量呈增长趋势，碳排放强度呈下降趋势，脱钩系数为0.585，整体处于弱脱钩状态。经济增长是碳排放量增长的决定因素，而产业结构与能源强度的优化调整是抑制碳排放的主导因素。引入PSO（粒子群优化算法）有效提高了BP神经网络的预测精度。预测结果显示，在基准情景、低碳情景和强化低碳情景下，山西省碳排放分别于2032年、2029年和2027年达峰。针对预测结果，提出了相关政策建议。

关键词：BP神经网络, 粒子群优化算法(PSO), 碳排放, 预测, 山西省