基于RF-RFECV特征选择的BO-CNN-BiLSTM-attention中国资源型城市碳排放影响因素分析与达峰情景模拟

来源：环境科学杂志2026年第1期北京时间：

作者：韩毅,侯震梅

单位：新疆财经大学统计与数据科学学院, 乌鲁木齐 830012,新疆财经大学统计与数据科学学院, 乌鲁木齐 830012

摘要：随着中国2030碳达峰目标迫近，碳减排工作显得愈加紧迫和重要. 以高碳产业依赖为典型特征的资源型城市，其碳减排成效直接关系全国碳达峰进程. 以2000~2022年间108个资源型城市为研究样本，运用RF-RFECV算法筛选出影响资源型城市碳排放的关键因素，并采用SHAP算法从整体和区域两个层面对影响因素进行重要性评估，同时通过特征交互效应揭示其作用机制；构建BO-CNN-BiLSTM-attention模型预测碳排放量，进一步结合情景分析法模拟低碳、基准和高速情景下资源型城市碳达峰的动态路径. 结果表明：①从影响因素分析来看，能源消费是资源型城市碳排放的最关键驱动因素，也是7个特征的最强交互变量，其显著正向效应印证了该类城市对高耗能产业的路径依赖；第一产业GDP和人口密度对碳排放具有负向影响，人口规模对碳排放的影响方向不稳定，其余5个变量均对碳排放具有正向影响. ②从城市类型来看，能源消费对再生型城市的影响逐渐下降，第二产业发展对于不同类型城市影响不尽相同，城镇化水平对于成长型资源型城市影响最为突出. ③从达峰情景模拟来看，在基准和高速情景下，资源型城市碳排放在2040年之前均将持续增长，而在低碳情景下，预计碳排放将在2034年达峰. 基于此，资源型城市应通过提高能源效率、发展可再生能源、推进绿色金融、调整产业结构以及建立碳排放权交易市场，实现碳达峰与低碳转型.

关键词：深度学习,特征工程,碳达峰,影响因素,资源型城市,情景模拟,