基于机器学习的山西省资源型城市碳排放影响因素分析与达峰预测

来源：环境科学杂志2026年第1期北京时间：

作者：任晓松,邢邦彦

单位：山西财经大学管理科学与工程学院, 太原 030031,山西财经大学双碳产业研究院, 太原 030031,北京理工大学管理学院, 北京 100081,北京理工大学能源与环境政策研究中心, 北京 100081,山西财经大学管理科学与工程学院, 太原 030031

摘要：作为国家资源型经济转型综合配套改革试验区，预测山西省资源型城市碳排放情况对“双碳”目标有序推进具有重要意义. 以全球大气研究排放数据库（EDGAR）2000~2023年山西省11 个地市的碳排放量为研究样本，基于随机森林算法识别碳排放的关键影响因素，构建PSO-LSTM-XGBoost混合模型预测山西省资源型城市碳达峰趋势. 结果表明：①2000~2023年山西省碳排放总体上呈现出波动上升的趋势，除临汾市近年来有下降趋势外，其余各地市皆波动上升. ②能源消费总量、城市化水平、第二产业GDP、总GDP、公路客运量、R&D 内部支出、第一产业结构以及第一产业GDP 是影响山西省碳排放的关键影响因素. ③PSO-LSTM-XGBoost模型在多种优化模型中预测误差最低，拟合优度最高，为山西省碳排放情景预测提供了相对精准的工具. ④基准情景下，山西省于2031年达到峰值7.05×108 t；低碳情景较基准情景提前3a实现碳达峰且峰值降低7.94%；高碳情景下，达峰将延迟至2034年且峰值近8×108 t. 基于此，研究提出具体到市、优化产能结构和跨区协同治理的低碳发展建议，可为精准施策和有序降碳提供参考.

关键词：碳达峰,机器学习,XGBoost,山西省,资源型城市,