基于BP神经网络的江苏省多维度碳排放预测
来源：环境科学杂志2025年第1期北京时间：
作者：郑琰,夏朝泽,肖玉杰,王杰,余伟
单位：南京林业大学汽车与交通工程学院, 南京 210037,南京林业大学汽车与交通工程学院, 南京 210037,南京财经大学营销与物流管理学院, 南京 210023,南京林业大学汽车与交通工程学院, 南京 210037,南京林业大学汽车与交通工程学院, 南京 210037
摘要：“双碳”目标下，推进节能减排是经济高质量发展的关键. 通过创新提出在多维度视角下对江苏省的碳排放量进行影响因素分析和预测，针对性给出降低碳排放的策略. 基于STRIPAT扩展模型和LMDI模型，构建江苏省碳排放量影响因素指标体系，多维度分析不同指标因素对碳排放量的影响. 运用岭回归和因子分析方法，得到碳排放量与各指标间的关联度和贡献率，采用BP神经网络算法对江苏省碳排放量进行预测. 结果表明，江苏省碳排放量影响因素程度排名为：能源消耗量、GDP、人口、第三产业增加值占比、能耗结构、第二产业增加值占比和第一产业增加值占比. 其中第一产业增加值占比和第二产业增加值占比这两个因素对碳排放量的增长起到了抑制作用，其余因素均为促进作用. 同时根据预测结果，江苏省应当在2025~2035年间调整产业和能源结构，将非化石能源占比增至30%，单位CO2排放下降28.6%，实现碳达峰. 在2050年前后，将非化石能源占比提高到50%，单位能耗下降46.1%， 则CO2排放进入快速下降阶段. 最终，在2060年前后将非化石能源占比超过80%，单位能耗下降54.6%，CO2排放减少77.9%，达到碳中和.
关键词：碳排放量影响因素,多维度,LMDI模型,岭回归,BP神经网络,
