陳國慶　王輝艷　龍?jiān)瓢?/p>

摘 要：中國的經(jīng)濟(jì)已經(jīng)進(jìn)入新常態(tài)，為了統(tǒng)籌兼顧經(jīng)濟(jì)和環(huán)境，政府已將碳減排提到了前所未有的戰(zhàn)略高度。碳排放量的精確預(yù)測可以為碳減排提供重要的參考，在總結(jié)國內(nèi)外所使用的碳預(yù)測方法，并提出這些方法的局限。因此，取1980～2015年中國碳排放量為樣本數(shù)據(jù)，構(gòu)建誘導(dǎo)有序加權(quán)幾何平均（IOWGA）算子的組合預(yù)測模型，對中國未來五年的碳排放量進(jìn)行預(yù)測，并將結(jié)果和單項(xiàng)預(yù)測結(jié)果比較。就碳減排問題提出相應(yīng)的對策建議，以期對碳減排的政策制定提供理論指導(dǎo)。

關(guān)鍵詞：碳排放；IOWGA算子；組合預(yù)測；MATLAB

中圖分類號：X502 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-7866 （2017） 05-033-009

工業(yè)經(jīng)濟(jì)論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.05.005

Abstract： China's economy has entered a new normal state， in order to balance the economy and the environment， the government has put carbon emission reduction at an unprecedented strategic height. The accurate prediction of carbon emissions can provide important reference for carbon emission reduction， summarize the carbon prediction methods used at home and abroad， and put forward the limitations of these methods. Therefore， the 1980～2015 Chinese carbon emissions as sample data， construct the induced ordered weighted geometric averaging （IOWGA） operator combination forecasting model， forecast the next five years Chinese carbon emissions， and compare the results and prediction results. The paper puts forward corresponding countermeasures and suggestions on carbon emission reduction， so as to provide theoretical guidance for the policy formulation of carbon emission reduction.

Key words： Carbon Emissions； IOWGA Operator； Combination Forecasting； MATLAB

引言

碳排放的增加是全球變暖的主要因素，在社會經(jīng)濟(jì)迅速發(fā)展的同時(shí)，人們越來越關(guān)注能源與環(huán)境問題?！暗吞肌辈粌H成為世界熱詞，也成為更多學(xué)者專家研究的熱點(diǎn)問題。中國作為最大的發(fā)展中國家，在面對氣候變化和環(huán)境問題積極探索低碳發(fā)展道路，國家對碳排放而造成的環(huán)境問題引起了高度重視，并將其全面融入國家經(jīng)濟(jì)社會發(fā)展的總戰(zhàn)略。為此中國政府承受著巨大壓力，承諾到2020年，單位GDP的二氧化碳排放比2005年降低40%～45%[1]。我國的經(jīng)濟(jì)發(fā)展已經(jīng)進(jìn)入新常態(tài)，貫徹落實(shí)《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014-2020年）》和全面推動(dòng)能源生產(chǎn)消費(fèi)革命是引領(lǐng)我國經(jīng)濟(jì)可持續(xù)發(fā)展的關(guān)鍵要素?！爸袊?jì)劃2030年左右二氧化碳排放達(dá)到峰值且將努力早日達(dá)峰，非化石能源占一次能源消費(fèi)比重提高到20%左右的重要五年。在這關(guān)鍵的時(shí)期國家需要加強(qiáng)控制碳排放量，因此，需要對我國碳排放量進(jìn)行預(yù)測研究。碳排放預(yù)測有助于分析、預(yù)測碳排放未來變動(dòng)趨勢，是碳減排的重要基礎(chǔ)性工作，為國家制定能源發(fā)展規(guī)劃提供參考。從事相關(guān)研究的專家和學(xué)者采用各種方法對碳排放進(jìn)行預(yù)測，而很多預(yù)測方法需要建立完善的指標(biāo)體系，由于現(xiàn)實(shí)中存在選用的指標(biāo)數(shù)據(jù)無法獲取等困境，造成預(yù)測的不準(zhǔn)確。在此，運(yùn)用基于誘導(dǎo)有序加權(quán)幾何平均（IOWGA）算子的組合預(yù)測模型對我國的碳排放量進(jìn)行預(yù)測，對碳減排工作的科學(xué)、有序開展具有重要的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

國外對于碳排放的預(yù)測研究較多。Hsiao-Tien Pao et al （2011）研究了1980-2007年間巴西污染物排放、能源消耗與產(chǎn)出之間的動(dòng)態(tài)關(guān)系，并應(yīng)用灰色預(yù)測模型GM（1，1）對2008-2013年間的三個(gè)變量進(jìn)行預(yù)測[2]。Marcotullio P J et al（2010）在研究亞太地區(qū)人均碳排放和經(jīng)濟(jì)發(fā)達(dá)程度之間的關(guān)系時(shí)，同時(shí)與發(fā)達(dá)國家進(jìn)行對比，用GDP作為自變量，采用線性回歸的方法預(yù)測亞太地區(qū)的公路交通碳排放[3]。Blanford G J et al（2008）利用MERGE模型對中國2030年的碳排放進(jìn)行了預(yù)測[4]。Auffhammer M et al（2008）研究了中國CO2排放的預(yù)期路徑時(shí)，結(jié)果表明，中國排放量預(yù)計(jì)增加到2010的幅度比《京都議定書》中所列減少量大幾倍[5]。Yap W K et al（2012）通過對常用前饋神經(jīng)網(wǎng)絡(luò)模型的研究，提出了一種兩階段排放預(yù)測模型對碳排放進(jìn)行了預(yù)測[6]。

目前，國內(nèi)對碳排放預(yù)測方面的研究也越來越多。渠慎寧等（2010）利用中國1980-2008年的碳排放量數(shù)據(jù)，構(gòu)建STIRPAT模型對中國未來碳排放量出現(xiàn)峰值的時(shí)間進(jìn)行預(yù)測，并提出當(dāng)前減少碳排放的重點(diǎn)是加強(qiáng)清潔能源的使用[7]。岳超等（2010）首先簡述了已有的碳排放預(yù)測方法，然后對我國2050年的碳排放量進(jìn)行了預(yù)測，同時(shí)和美國等發(fā)達(dá)國家的碳排放進(jìn)行對比得出，兩者之間的差距較大[8]。趙愛文等（2012）利用中國2002-2009年的碳排放量數(shù)據(jù)，運(yùn)用灰色GM（1，1）模型對中國碳排放量進(jìn)行了預(yù)測，最后針對預(yù)測結(jié)果提出相應(yīng)低碳發(fā)展的策略[9]。中國能源研究所（2003）運(yùn)用LAEP模型對我國的能源消費(fèi)總量和碳排放量進(jìn)行了情景預(yù)測[10]。林伯強(qiáng)等（2009）利用傳統(tǒng)的環(huán)境庫茲涅茨模型模擬與在二氧化碳排放預(yù)測的基礎(chǔ)上預(yù)測兩種方法，對中國二氧化碳排放拐點(diǎn)和預(yù)測進(jìn)行研究[11]。宋杰鯤等（2011）利用中國1980-2009年的碳排放量數(shù)據(jù)，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)測我國2010-2015年的碳排放量[12]。杜強(qiáng)等（2012）利用中國2002-2010年的碳排放量數(shù)據(jù)，運(yùn)用改進(jìn)的IPAT模型對2010-2050年中國碳排放量進(jìn)行了預(yù)測[13]。滕欣等（2012）應(yīng)用離散二階差分方程預(yù)測模型（DDEPM）對中國2020年的碳排放量進(jìn)行了預(yù)測[14]。杜強(qiáng)等（2013）根據(jù)中國2002-2010年的碳排放量數(shù)據(jù)，運(yùn)用Logistic模型對中國2011-2020年碳排放量進(jìn)行了預(yù)測[15]。紀(jì)廣月（2014）混合運(yùn)用了灰色關(guān)聯(lián)分析和BP神經(jīng)網(wǎng)絡(luò)模型對中國碳排放量進(jìn)行了預(yù)測[16]。

縱觀現(xiàn)有文獻(xiàn)，可以看到碳排放的預(yù)測方法有很多，分為單一預(yù)測方法和組合預(yù)測模型。顯然，組合預(yù)測模型的精度優(yōu)于單一預(yù)測方法，然而，目前在碳排放量預(yù)測方面所使用的組合預(yù)測方法是按照單項(xiàng)預(yù)測方法的不同而賦予不同的加權(quán)平均系數(shù)，同一個(gè)單項(xiàng)預(yù)測方法在樣本區(qū)間上各個(gè)時(shí)點(diǎn)的加權(quán)平均系數(shù)是不變的。而實(shí)際上同一種預(yù)測方法在不同時(shí)點(diǎn)上預(yù)測精度往往是不同的。因此本文運(yùn)用基于誘導(dǎo)有序加權(quán)幾何平均（IOWGA）算子的組合預(yù)測模型對我國的碳排放量進(jìn)行預(yù)測，該模型給出一種新的賦權(quán)思想，根據(jù)各單項(xiàng)預(yù)測方法在各時(shí)點(diǎn)上的擬合精度的高低進(jìn)行有序賦權(quán)，即優(yōu)先給予預(yù)測精度最高的單項(xiàng)預(yù)測方法最高的賦權(quán)系數(shù)。本文首先分別采用三次指數(shù)平滑預(yù)測模型、灰色預(yù)測模型和時(shí)間序列預(yù)測模型對中國碳排放量進(jìn)行預(yù)測，然后建立基于IOWGA 算子的組合預(yù)測模型對中國碳排放量進(jìn)行預(yù)測，并將結(jié)果和單項(xiàng)預(yù)測結(jié)果比較。并就碳排放問題提出相應(yīng)的對策建議，從而對制定碳減排的政策與措施提供理論指導(dǎo)。

二、基于IOWGA算子的組合預(yù)測模型建立

（一）組合預(yù)測模型的建立

設(shè){xt，t=1，2，…N}為指標(biāo)序列的實(shí)際值，xit為第i種預(yù)測方法第t時(shí)刻的預(yù)測值，i=1，2，…m，t=1，2，…N。設(shè)l1，l2，…lm為m種單項(xiàng)預(yù)測在組合預(yù)測中的加權(quán)系數(shù)，它滿足歸一性和非負(fù)性，考慮如下的IOWGA組合預(yù)測模型。

（二）預(yù)測誤差評級指標(biāo)體系

建立基于IOWGA算子的組合預(yù)測模型，必須對模型預(yù)測的有效性給予評價(jià)，一般模型的預(yù)測誤差評價(jià)指標(biāo)體系如下：

（1）平方和誤差SSE：；（2）均方誤差：；（3）平均絕對誤差：；（4）平均絕對百分比誤差：；（5）均方百分比誤差：。

三、中國碳排放量的實(shí)證研究

（一）數(shù)據(jù)選取及來源

中國碳排放量數(shù)據(jù)由全球碳計(jì)劃（GlobalCarbon Project） 所提供。

（二）單項(xiàng)模型預(yù)測

1. 三次指數(shù)平滑預(yù)測模型

指數(shù)平滑法是美國人布朗首先提出來的，該方法不需要儲存很多的歷史數(shù)據(jù)。在進(jìn)行預(yù)測時(shí)只需要有當(dāng)前的實(shí)際值yt和前期預(yù)測值，再由預(yù)測者選擇一個(gè)合理的平滑系數(shù) 即可進(jìn)行簡單的預(yù)測。指數(shù)平滑有一次平滑、二次平滑、三次平滑甚至更高，平滑次數(shù)越多也復(fù)雜。當(dāng)時(shí)間數(shù)列沒有明顯趨勢變化，可以選用一次指數(shù)平滑預(yù)測。當(dāng)時(shí)間數(shù)列呈現(xiàn)線性趨勢變化，可以選用二次平滑預(yù)測。當(dāng)時(shí)間數(shù)列不具有線性趨勢變化，則選用三次平滑指數(shù)預(yù)測。根據(jù)表2的中國碳排放歷史數(shù)據(jù)使用三次平滑指數(shù)進(jìn)行預(yù)測，三次平滑指數(shù)常用于非線性短期預(yù)測。預(yù)測模型如下：

2. 灰色預(yù)測

灰色回歸預(yù)測模型是將已知的數(shù)據(jù)系列按照某種規(guī)則構(gòu)成動(dòng)態(tài)或非動(dòng)態(tài)的白色模塊，再按照某種變化、解法來求解未來的灰色模型。GM（1，1）建模其實(shí)質(zhì)是通過對原始數(shù)據(jù)的處理來尋找數(shù)據(jù)規(guī)律，建立微分方程預(yù)測模型，對數(shù)據(jù)進(jìn)行擬合，從而確定一系列的預(yù)測值。主要過程如下：

選擇數(shù)列：用我國1980～2015年的碳排放量數(shù)據(jù)作為原始數(shù)據(jù)數(shù)列

模型檢驗(yàn)：進(jìn)行后驗(yàn)差檢驗(yàn)，計(jì)算方差比（其中s1為絕對誤差序列的標(biāo)準(zhǔn)差，S0為原始序列標(biāo)準(zhǔn)差）。計(jì)算小誤差概率 （e是誤差），則模型的預(yù)測效果如表1所示。

利用灰色系統(tǒng)建立我國碳排放量的GM（1，1）模型，以我國1980～2015年的碳排放量為例，運(yùn)用MATLAB編程對模型進(jìn)行求解，由運(yùn)行結(jié)果得到北京市灰色預(yù)測模型的參數(shù)估計(jì)值為：。

3. 時(shí)間序列預(yù)測模型

中國碳排放量隨著時(shí)間變化呈增長趨勢，因此可選用時(shí)間序列預(yù)測模型。以碳排放量（y）為因變量，以年份（t）為自變量構(gòu)建時(shí)間序列預(yù)測模型：，其中 pi，（i=1，2，3）為待定系數(shù)。由MATLAB編程得到我國碳排放總量預(yù)測方程的系數(shù)為（p1，p2，，p3）=（2.606，-10342.738，10262603.16），即得到

由R2=0.977知該模型為較好模型，可以用于預(yù)測。由此得到我國2016～2020年各年的碳排放量量預(yù)測值（見表2）。

（三）組合預(yù)測

對于以上三種模型的預(yù)測結(jié)果，選取1980-2015年的預(yù)測數(shù)據(jù)建立組合預(yù)測模型，其中三種單項(xiàng)預(yù)測的結(jié)果如表2所示。根據(jù)表2可以看出，在同一時(shí)點(diǎn)上三種不同預(yù)測方法對中國碳排放量的預(yù)測精度時(shí)高時(shí)低。此外，同一種單項(xiàng)預(yù)測方法在各時(shí)點(diǎn)上的預(yù)測精度也不盡相同，很多實(shí)際值位于這三種單項(xiàng)預(yù)測結(jié)果之間，因此可以判定這三種模型之間存在一定的互補(bǔ)性。以各單項(xiàng)預(yù)測法的預(yù)測精度為誘導(dǎo)值，建立基于IOWGA算子的組合預(yù)測模型。利用LINGO軟件求解得最優(yōu)系數(shù)向量為，所以在t時(shí)刻組合預(yù)測對我國碳排放的預(yù)測值即為：

上式表明對于某一年當(dāng)中的三個(gè)單項(xiàng)預(yù)測精度最高的單項(xiàng)預(yù)測值賦權(quán)重0.7531，單項(xiàng)預(yù)測精度第二高的單項(xiàng)預(yù)測值賦權(quán)重0.2469，對預(yù)測精度最低的單項(xiàng)預(yù)測值賦權(quán)重為0。然后取三者的加權(quán)幾何平均值作為該年的組合預(yù)測值，依次得出每年的預(yù)測值及預(yù)測精度如表3所示。

（四）模型的有效性評價(jià)

為了對各單項(xiàng)預(yù)測方法和基于IOWGA算子的組合預(yù)測模型的有效性進(jìn)行全面評價(jià)，計(jì)算各自的評價(jià)指標(biāo)體系值如表4所示。

由表4可知，預(yù)測效果評價(jià)指標(biāo)體系來看，基于IOWGA的組合預(yù)測模型的各種誤差指標(biāo)值均明顯比各單項(xiàng)預(yù)測的誤差指標(biāo)值要低，從而表明，基于IOWGA的組合預(yù)測方法優(yōu)于各單項(xiàng)預(yù)測方法，能夠有效地提高預(yù)測精度。

（五）我國碳排放量的組合預(yù)測

使用上述組合預(yù)測模型對我國 2016～2020 年的中國碳排放量進(jìn)行預(yù)測，由于未來的真實(shí)值無法獲取，也就無法計(jì)算預(yù)測精度，從而無法根據(jù)精度誘導(dǎo)計(jì)算出最優(yōu)權(quán)系數(shù)。故本文采取根據(jù)預(yù)測年份前36年的平均權(quán)重賦權(quán)給每項(xiàng)單項(xiàng)預(yù)測的方法，來預(yù)測2016～2020年的中國碳排放量。先利用三種單項(xiàng)預(yù)測方法得出2016～2020年的三種單項(xiàng)預(yù)測值，然后再將由上述方法得到的最優(yōu)權(quán)系數(shù)作為賦權(quán)值，取三種單項(xiàng)預(yù)測值的加權(quán)平均值作為組合預(yù)測值。2016～2020年國內(nèi)生產(chǎn)總值的各單項(xiàng)預(yù)測值及基于IOWGA的組合預(yù)測值見表5。由表5可知，未來幾年我國的碳排放總量仍然處于增長狀態(tài)，但其增長率趨于平緩。

四、碳減排對策建議

（一）加強(qiáng)科研投入

碳減排需要科學(xué)技術(shù)的大力支持，而技術(shù)開發(fā)往往周期長、成本高，從而需要資金支持。這就要求政府和技術(shù)部門應(yīng)具備長遠(yuǎn)的眼光，加大低碳技術(shù)的研發(fā)投資。我國2009年才將低碳經(jīng)濟(jì)的發(fā)展提到國家的發(fā)展戰(zhàn)略上，因此，我國的低碳經(jīng)濟(jì)發(fā)展體現(xiàn)出起步晚、技術(shù)落后等特征。為了縮小和發(fā)達(dá)國家的低碳技術(shù)水平，必須加大科研投入，增強(qiáng)自主研發(fā)和創(chuàng)新能力。同時(shí)也要注重該領(lǐng)域人才的培養(yǎng)，適當(dāng)引進(jìn)發(fā)達(dá)國家先進(jìn)的技術(shù)，彌補(bǔ)我國在這方面的不足。值得注意的是，不能盲目投入資金用于引進(jìn)國外技術(shù)，在低碳技術(shù)創(chuàng)新上要提高自主創(chuàng)新能力。不斷強(qiáng)化低碳發(fā)展的制度保障，實(shí)現(xiàn)低碳經(jīng)濟(jì)引領(lǐng)我國走可持續(xù)發(fā)展道路。

（二）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)

中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，速度變緩、結(jié)構(gòu)優(yōu)化、動(dòng)力轉(zhuǎn)換，先進(jìn)涌現(xiàn)出大量的新型產(chǎn)業(yè)，使得產(chǎn)業(yè)結(jié)構(gòu)更加合理，去產(chǎn)能、去庫存、去杠桿、降成本、補(bǔ)短板的供給側(cè)改革任務(wù)，為節(jié)能減排創(chuàng)造了有利條件。一方面，政府應(yīng)加大對環(huán)保企業(yè)的支持，引導(dǎo)高能耗、引導(dǎo)高能耗、高排放企業(yè)的轉(zhuǎn)化升級，從而實(shí)現(xiàn)優(yōu)化產(chǎn)業(yè)投資。另一方面，由于第三產(chǎn)業(yè)具有高效益、低能耗的特點(diǎn)，因此，應(yīng)該大力推進(jìn)第三產(chǎn)業(yè)的發(fā)展。近年來，我國能源強(qiáng)度下降的主要?jiǎng)恿碜匀萎a(chǎn)業(yè)各部門中高新科技產(chǎn)業(yè)結(jié)構(gòu)部分的提升以及在能源利用效率方面的提高，尤其是第二產(chǎn)業(yè)中高附加值產(chǎn)品構(gòu)成的提升以及在能源利用領(lǐng)域新技術(shù)研發(fā)的進(jìn)展是能源強(qiáng)度總體下降的主要原因。同時(shí)，政府應(yīng)該為優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)提供制度和政策保障。

（三）改善出口貿(mào)易結(jié)構(gòu)

經(jīng)濟(jì)杠桿作用在改善我國出口貿(mào)易結(jié)構(gòu)中能夠發(fā)揮重要的作用，比如稅收、補(bǔ)貼等工具的使用，有助于推進(jìn)我國出口貿(mào)易結(jié)構(gòu)的優(yōu)化。實(shí)行高碳排放高出口關(guān)稅、低碳排放低關(guān)稅、等措施來改善出口貿(mào)易結(jié)構(gòu)。低碳經(jīng)濟(jì)的發(fā)展，金融支持是一個(gè)重要途徑，低碳金融運(yùn)用而生。金融業(yè)應(yīng)該在各個(gè)領(lǐng)域支持低碳經(jīng)濟(jì)的發(fā)展，開發(fā)更多的低碳金融產(chǎn)品及服務(wù)扶持相關(guān)企業(yè)的發(fā)展。

五、結(jié)語

通過構(gòu)建誘導(dǎo)有序加權(quán)幾何平均（IOWGA）算子的組合預(yù)測模型，證實(shí)該組合預(yù)測模型相比三次指數(shù)平滑預(yù)測、灰色預(yù)測和時(shí)間序列預(yù)測三種單項(xiàng)預(yù)測的優(yōu)越性。減小了預(yù)測誤差，提高了預(yù)測精度。預(yù)測結(jié)果表明，我國的碳排放仍然呈現(xiàn)增長趨勢，但增長速度放緩，這得益于我國近年對碳減排的高度重視。精確地預(yù)測我國碳排放量，不僅可以為政府的政策制定提供參考，而且可以為中國在國際社會中所承諾的碳減排目標(biāo)提供自信，增強(qiáng)國際影響力。

基金項(xiàng)目：

四川省社會科學(xué)重點(diǎn)研究基地四川縣域經(jīng)濟(jì)發(fā)展研究中心課題：水電工程項(xiàng)目對區(qū)域經(jīng)濟(jì)發(fā)展的外部性研究（項(xiàng)目編號：xy2017005）；

四川省哲學(xué)社會科學(xué)規(guī)劃項(xiàng)目“金融投資與科技創(chuàng)新協(xié)同共贏機(jī)制研究”（編號：SC14XS05）；

西華大學(xué)研究生創(chuàng)新基金項(xiàng)目“能源消費(fèi)總量控制和優(yōu)化配置研究”（項(xiàng)目編號：ycjj2017107）。

參考文獻(xiàn)

[1] 吳獻(xiàn)金，鄧杰.貿(mào)易自由化、經(jīng)濟(jì)增長對碳排放的影響[J].中國人口·資源與環(huán)境， 2011， 21（1）：43-48.

[2] Hsiao-Tien Pao， Chung-Ming Tsai. Modeling and forecasting the CO2，emissions，energy consumption， and economic growth in Brazil[J].Energy， 2011， 36（5）：2450-2458.

[3] Marcotullio P J， Marshall J D. Potential futures for road transportation CO2 emissions in the Asia Pacific[J]. Asia Pacific Viewpoint， 2010， 48（3）：355-377.

[4] Blanford G J， Richels R G， Rutherford T F. Revised Emissions Growth Projections for China： Why Post Kyoto Climate Policy Must Look East[J]. Project on International Climate Agreements， 2008.

[5] Auffhammer M， Carson R T. Forecasting the path of China's CO2， emissions using province-level information[J]. Journal of Environmental Economics & Management， 2008， 55（3）：229-247.

[6] Yap W K， Karri V. Emissions predictive modelling by investigating various neural network models[J]. Expert Systems with Applications， 2012， 39（3）：2421-2426.

[7] 渠慎寧，郭朝先.基于STIRPAT模型的中國碳排放峰值預(yù)測研究[J].中國人口·資源與環(huán)境， 2010， 20（12）：10-15.

[8] 岳超，王少鵬，朱江玲，等.2050年中國碳排放量的情景預(yù)測——碳排放與社會發(fā)展Ⅳ[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2010， 46（4）：517-524.

[9] 趙愛文，李東.中國碳排放灰色預(yù)測[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2012，42（4）：61-69.

[10] 能源研究所"中國可持續(xù)發(fā)展能源暨碳排放分析"課題組.中國可持續(xù)發(fā)展能源暨碳排放情景研究[J]. 中國能源， 2003， 25（6）：4-10.

[11] 林伯強(qiáng)，蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預(yù)測及影響因素分析[J].管理世界， 2009（4）：27-36.

[12] 宋杰鯤，張宇.基于BP神經(jīng)網(wǎng)絡(luò)的我國碳排放情景預(yù)測[J].科學(xué)技術(shù)與工程，2011， 11（17）：4108-4111.

[13] 杜強(qiáng)，陳喬，陸寧.基于改進(jìn)IPAT模型的中國未來碳排放預(yù)測[J].環(huán)境科學(xué)學(xué)報(bào)，2012， 32（9）：2294-2302.

[14] 滕欣，李健，劉廣為.中國碳排放預(yù)測與影響因素分析[J].北京理工大學(xué)學(xué)報(bào)（社會科學(xué)版）， 2012， 14（5）：11-18.

[15] 杜強(qiáng)，陳喬，楊銳.基于Logistic模型的中國各省碳排放預(yù)測[J].長江流域資源與環(huán)境，2013， 22（2）：143-151.

[16] 紀(jì)廣月.基于灰色關(guān)聯(lián)分析的BP神經(jīng)網(wǎng)絡(luò)模型在中國碳排放預(yù)測中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識， 2014， 44（14）：243-249.

[17] 陳華友，盛昭瀚.一類基于IOWGA算子的組合預(yù)測新方法[J]. 管理工程學(xué)報(bào)， 2005， 19（4）：36-39.

[18] 陳國慶，劉宇，龍?jiān)瓢?可持續(xù)發(fā)展視角下的我國能源優(yōu)化配置研究[J].經(jīng)濟(jì)視角， 2017（1）：9-16.