段福梅

(東北財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院，遼寧 大連 116025)

一、 問(wèn)題的提出

近年來(lái)，隨著中國(guó)在全球經(jīng)濟(jì)體系中的地位愈加重要，能源消耗量和溫室氣體排放量更是迅速增長(zhǎng)。為了積極應(yīng)對(duì)全球氣候變化，推動(dòng)世界各國(guó)切實(shí)采取措施降低二氧化碳排放，2014 年11 月12 日，中國(guó)政府與美國(guó)政府在北京聯(lián)合發(fā)表了《氣候變化聯(lián)合聲明》，聲明提出：“中國(guó)計(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，并計(jì)劃到2030 年非化石能源占一次能源消費(fèi)比重提高到20%左右?！边@個(gè)目標(biāo)在2015年中國(guó)向聯(lián)合國(guó)提交的“國(guó)家自主決定貢獻(xiàn)”及氣候變化巴黎大會(huì)中都得到了重申。二氧化碳排放達(dá)到峰值既體現(xiàn)著中國(guó)經(jīng)濟(jì)的發(fā)展方式發(fā)生了根本轉(zhuǎn)變，也意味著國(guó)內(nèi)資源限制和環(huán)境污染狀況得到積極的改善，低碳技術(shù)達(dá)到更高水平，更是粗獷的發(fā)展方式向綠色低碳轉(zhuǎn)型的重要標(biāo)志，這將會(huì)對(duì)中國(guó)經(jīng)濟(jì)和社會(huì)產(chǎn)生重大而深遠(yuǎn)的影響。

以中國(guó)實(shí)現(xiàn)碳排放達(dá)到峰值的宏觀目標(biāo)為背景，碳排放達(dá)峰預(yù)測(cè)也得了學(xué)術(shù)界的廣泛關(guān)注。二氧化碳排放峰值預(yù)測(cè)包括預(yù)測(cè)模型和情景設(shè)計(jì)，預(yù)測(cè)模型有STIRPAT模型、IAMC模型、IPAT模型、GPR模型、灰色預(yù)測(cè)模型、時(shí)間序列分析和組合模型等，情景設(shè)計(jì)依據(jù)目前已有研究、政策對(duì)未來(lái)經(jīng)濟(jì)、社會(huì)和技術(shù)發(fā)展路徑的預(yù)期，通過(guò)賦予模型參數(shù)不同數(shù)值實(shí)現(xiàn)，將參數(shù)輸入模型，進(jìn)而進(jìn)行碳排放預(yù)測(cè)，由于所使用的模型和考慮的情景不同導(dǎo)致得出的結(jié)論也不同。鄧小樂(lè)和孫慧[1]運(yùn)用STIRPAT模型預(yù)測(cè)西北五省區(qū)碳排放峰值，研究發(fā)現(xiàn)在碳排放下降速度與經(jīng)濟(jì)發(fā)展不能同步增長(zhǎng)時(shí)，2030年前不能出現(xiàn)峰值；渠慎寧和郭朝先[2]運(yùn)用STIRPAT模型預(yù)測(cè)中國(guó)碳排放峰值，研究發(fā)現(xiàn)技術(shù)對(duì)峰值的影響較為重要；柴麒敏和徐華清[3]運(yùn)用IAMC模型對(duì)中國(guó)碳排放總量控制和峰值的四種路徑及情景進(jìn)行深入分析，得出了碳排放出現(xiàn)峰值需要的條件；席細(xì)平等[4]運(yùn)用IPAT模型研究發(fā)現(xiàn)在經(jīng)濟(jì)社會(huì)發(fā)展的同時(shí)保持能源強(qiáng)度和碳排放強(qiáng)度合理下降，江西省的碳排放峰值到達(dá)時(shí)間約在2032—2035年；聶銳等[5]運(yùn)用IPAT模型與情景分析相結(jié)合，研究發(fā)現(xiàn)低碳情景是江蘇省發(fā)展最現(xiàn)實(shí)、最合適的方案；方德斌和董博[6]運(yùn)用GPR模型預(yù)測(cè)中國(guó)“十三五”時(shí)期碳排放趨勢(shì)，研究表明與其他方法相比，GPR具有明顯的精度優(yōu)勢(shì)，中國(guó)能夠?qū)崿F(xiàn)2020年碳排放強(qiáng)度較2005年下降40%—45%的目標(biāo)；紀(jì)廣月[7]首先利用灰色關(guān)聯(lián)法篩選指標(biāo)，其次運(yùn)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)中國(guó)碳排放，達(dá)到了良好的預(yù)測(cè)效果，預(yù)測(cè)相對(duì)誤差小于1%；趙成柏和毛春梅[8]運(yùn)用ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型預(yù)測(cè)中國(guó)碳排放強(qiáng)度，碳排放強(qiáng)度的時(shí)間序列的數(shù)據(jù)結(jié)構(gòu)分解為線性和非線性殘差部分，預(yù)測(cè)中國(guó)沒(méi)有達(dá)到2020年碳排放強(qiáng)度較2005年下降40%—45%的目標(biāo)；Dietz和Rosa[9]運(yùn)用IPAT模型和環(huán)境庫(kù)茲涅茨曲線，利用131個(gè)國(guó)家的截面數(shù)據(jù)，研究發(fā)現(xiàn)碳排放總量在人均 GDP 軸上呈現(xiàn)倒U型。

目前關(guān)于中國(guó)碳排放達(dá)峰的研究為碳排放峰值預(yù)測(cè)提供了較好的研究方法和研究思路參考。同時(shí)，大部分研究主要基于傳統(tǒng)計(jì)量模型進(jìn)行碳排放峰值預(yù)測(cè)，而二氧化碳排放的影響是一個(gè)復(fù)雜多變的非線性系統(tǒng)，傳統(tǒng)計(jì)量模型在預(yù)測(cè)二氧化碳排放峰值時(shí)受到模型選擇、變量選取和參數(shù)估計(jì)等影響，造成預(yù)測(cè)精確性較差。BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性、自組織、自學(xué)習(xí)能力，能夠很好地處理非線性信息[10]。目前BP神經(jīng)網(wǎng)絡(luò)在汽車(chē)車(chē)速預(yù)測(cè)[11]、交通流量預(yù)測(cè)[12]、房?jī)r(jià)預(yù)測(cè)[13]、氣象預(yù)報(bào)[14]等方面應(yīng)用廣泛，而很少有研究利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)二氧化碳排放。因此，本文利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)二氧化碳排放峰值，并對(duì)不同情景模式下二氧化碳排放達(dá)峰特征進(jìn)行分析。

二、二氧化碳排放影響因素的篩選

(一)數(shù)據(jù)來(lái)源

二氧化碳排放受人口、經(jīng)濟(jì)發(fā)展、能源消費(fèi)和科技進(jìn)步等方面的影響，本文初步選取的影響因素為：人口(萬(wàn)人)、人均GDP(元/人)、城市化率(%)、工業(yè)增加值比重(%)、非化石能源消費(fèi)量比重(%)、能源強(qiáng)度(噸標(biāo)準(zhǔn)煤/萬(wàn)元)和研發(fā)強(qiáng)度(%)[1]，其中研發(fā)強(qiáng)度是全國(guó)技術(shù)市場(chǎng)成交額占GDP的比重。

本文選取1988—2014年的數(shù)據(jù)，數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》和國(guó)家統(tǒng)計(jì)局網(wǎng)站。人均GDP是以1988年為基期計(jì)算的實(shí)際GDP；能源強(qiáng)度中的GDP是以1988年為基期計(jì)算的實(shí)際GDP，二氧化碳排放量是根據(jù)相關(guān)公式計(jì)算得出。

目前中國(guó)80%以上的二氧化碳排放來(lái)自于能源消費(fèi)的排放，已有研究大部分將地區(qū)能源消費(fèi)總量造成的二氧化碳排放量作為該地區(qū)實(shí)際的二氧化碳排放量[4]。本文也將中國(guó)化石能源煤炭、石油、天然氣排放的二氧化碳作為中國(guó)實(shí)際的二氧化碳排放量。計(jì)算公式為式(1)：

(1)

其中，煤炭、石油、天然氣的碳排放因子采用席細(xì)平等[4]、方德斌和董博[6]以及趙成柏和毛春梅[8]研究中使用的碳排放因子的平均數(shù)，即煤炭燃燒過(guò)程碳排放因子為0.7276，石油燃燒過(guò)程碳排放因子為0.5666，天然氣燃燒過(guò)程碳排放因子為0.4367。

(二)二氧化碳排放影響因素的篩選——基于灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)主要考察參考序列與若干比較序列的曲線相似程度確定聯(lián)系緊密程度[15]，故本文可使用灰色關(guān)聯(lián)分析法確定與二氧化碳排放聯(lián)系緊密的影響因素，參考序列為二氧化碳排放量，具體步驟如下所示：

第一步，對(duì)各變量進(jìn)行無(wú)量綱化處理。對(duì)人口、人均GDP、城市化率、非化石能源消費(fèi)量比重和研發(fā)強(qiáng)度用式(2)變換，對(duì)工業(yè)增加值比重和能源強(qiáng)度用式(3)變換。

(2)

(3)

其中，Xi={Xi(1),Xi(2),…,Xi(n)}，i=0,1,…,7，X0為二氧化碳排放序列。

第二步，計(jì)算參考序列與比較序列的關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度，分別為式(4)和式(5)：

(4)

(5)

其中，ξ0i(k)為參考序列與比較序列在某一時(shí)刻的關(guān)聯(lián)系數(shù)，ρ為分辨系數(shù)，一般取0.5；r0i為參考序列與比較序列之間的關(guān)聯(lián)度。

根據(jù)上述步驟計(jì)算出的二氧化碳關(guān)聯(lián)度分別為人口(0.7132)、人均GDP(0.8875)、城市化率(0.8982)、工業(yè)增加值比重(0.6104)、非化石能源消費(fèi)量比重(0.7998)、能源強(qiáng)度(0.7082)、研發(fā)強(qiáng)度(0.8017)。將影響二氧化碳排放的各因素的關(guān)聯(lián)度由大到小排列為：城市化率、人均GDP、研發(fā)強(qiáng)度、非化石能源消費(fèi)量比重、人口、能源強(qiáng)度、工業(yè)增加值比重。最終選取城市化率、人均GDP、研發(fā)強(qiáng)度、非化石能源消費(fèi)量比重、人口、能源強(qiáng)度作為影響二氧化碳排放的主要因素。

三、中國(guó)二氧化碳排放峰值預(yù)測(cè)模型

(一)BP神經(jīng)網(wǎng)絡(luò)基本原理

BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入—輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用梯度下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層，可以將BP神經(jīng)網(wǎng)絡(luò)看成一個(gè)非線性函數(shù)，網(wǎng)絡(luò)輸入值和輸出值分別為該函數(shù)的自變量和因變量。典型的BP神經(jīng)網(wǎng)絡(luò)是含有一個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)，設(shè)置本文二氧化碳預(yù)測(cè)模型，具體步驟如下：

第二步，網(wǎng)絡(luò)的初始化。輸入層、隱含層、輸出層之間的連接權(quán)值wij、wjk，隱含層閾值a，輸出層閾值b，其初始值由網(wǎng)絡(luò)隨機(jī)給定；初始學(xué)習(xí)率η(0)=0.1，誤差精度ε=0. 001%，迭代次數(shù)M0=100；激勵(lì)函數(shù)、傳遞函數(shù)、輸出函數(shù)選用系統(tǒng)默認(rèn)設(shè)置。

第三步，輸入樣本和測(cè)試樣本的確定。本文將1988—2010年數(shù)據(jù)作為訓(xùn)練樣本，2011—2014年數(shù)據(jù)作為測(cè)試樣本，為消除樣本數(shù)據(jù)的差異，需要對(duì)數(shù)據(jù)歸一化處理,處理后的數(shù)據(jù)取值范圍為[0.1,0.9]，具體公式為式(6)：

(6)

其中，xij第i個(gè)影響因素的第j個(gè)觀察值，xmax、xmin分別為第i個(gè)影響因素的最大值和最小值。

第四步，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定。高玉明和張仁津[13]通過(guò)比較在相同樣本集和訓(xùn)練次數(shù)下各隱含層節(jié)點(diǎn)的均方誤差值，選取均方誤差值最小的網(wǎng)絡(luò)進(jìn)行仿真測(cè)試。本文選取迭代次數(shù)為3次。

當(dāng)n1=7或12時(shí)，網(wǎng)絡(luò)訓(xùn)練后的均方誤差值很小，但當(dāng)n1=7時(shí)，BP神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)，故確定隱含層節(jié)點(diǎn)數(shù)n1=12，即確定的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為6-12-1。

第五步，根據(jù)確定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練結(jié)束后對(duì)測(cè)試樣本進(jìn)行仿真測(cè)試，預(yù)測(cè)二氧化碳排放量。

(二)中國(guó)二氧化碳排放預(yù)測(cè)的模型訓(xùn)練和仿真測(cè)試——基于BP神經(jīng)網(wǎng)絡(luò)

使用Matlab進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練和仿真測(cè)試，經(jīng)過(guò)多次訓(xùn)練，將預(yù)測(cè)值和實(shí)際值的相對(duì)誤差較小的網(wǎng)絡(luò)為作為最優(yōu)網(wǎng)絡(luò)模型，即確定了最優(yōu)的連接權(quán)值和閾值，使用該網(wǎng)絡(luò)對(duì)二氧化碳排放量進(jìn)行預(yù)測(cè)。仿真預(yù)測(cè)結(jié)果如表1所示。

表1 BP神經(jīng)網(wǎng)絡(luò)仿真預(yù)測(cè)結(jié)果

年 份實(shí)際值(億噸)預(yù)測(cè)值(億噸)相對(duì)誤差(%)201188.849383.7103-5.7839201290.786591.05550.2962201393.319092.1903-1.2096201494.034793.2752-0.8078

由表1可知，2011—2014年預(yù)測(cè)的平均相對(duì)誤差僅為2.0244%。本文對(duì)1988—2014年二氧化碳排放的實(shí)際值和預(yù)測(cè)值進(jìn)行Mann-Whitney檢驗(yàn)和Kolmogorov-Smirnov檢驗(yàn)，P值均大于0.8000，遠(yuǎn)大于顯著性水平，則兩樣本中位數(shù)無(wú)差異，顯示了由模型得到的預(yù)測(cè)值與實(shí)際值非常接近，表明模型的擬合效果較好。

基準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)也存在一些缺陷和不足：首先，網(wǎng)絡(luò)的收斂速度慢，需要較長(zhǎng)時(shí)間訓(xùn)練；其次，BP算法會(huì)使誤差為局部最小值，而不是全局最小值，造成網(wǎng)絡(luò)訓(xùn)練達(dá)到全局最優(yōu)的假象。而粒子群優(yōu)化算法能對(duì)BP算法進(jìn)行優(yōu)化，克服基準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)。

(三)基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)原理

粒子群優(yōu)化算法(PSO算法)用于求解優(yōu)化問(wèn)題。算法中的每個(gè)粒子代表問(wèn)題的一個(gè)潛在解，粒子的特征由位置、速度和適應(yīng)度值來(lái)表示，每個(gè)粒子對(duì)應(yīng)一個(gè)由適應(yīng)度函數(shù)決定的適應(yīng)度值，其值的好壞代表粒子的優(yōu)劣[16]。

將粒子群優(yōu)化算法應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)，具體算法流程為：確定待優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、初始權(quán)值和閾值；對(duì)初始權(quán)值和閾值進(jìn)行編碼，編碼方式有兩種，即向量編碼和矩陣編碼，本文采用向量編碼，假設(shè)有N個(gè)待優(yōu)化的權(quán)值和閾值，即群體中的每個(gè)粒子被編碼成由N個(gè)權(quán)值和閾值構(gòu)成的N維向量；將訓(xùn)練得到的誤差指標(biāo)函數(shù)值作為適應(yīng)度函數(shù)值；計(jì)算每個(gè)粒子的適應(yīng)度值；將每個(gè)個(gè)體的適應(yīng)度值與其相應(yīng)個(gè)體極值的適應(yīng)度值進(jìn)行比較，如果更優(yōu)則將其作為個(gè)體極值；將每個(gè)個(gè)體的適應(yīng)度值與全體極值的適應(yīng)度值進(jìn)行比較，如果更優(yōu)，則將其作為全局極值；更新粒子的速度和位置；當(dāng)滿足終止條件時(shí)，將粒子解碼，得到最優(yōu)權(quán)值和閾值并賦給神經(jīng)網(wǎng)絡(luò)；對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

(四)中國(guó)二氧化碳排放預(yù)測(cè)的模型訓(xùn)練和仿真預(yù)測(cè)——基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)

根據(jù)設(shè)置好的參數(shù)，將訓(xùn)練樣本輸入對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，粒子在迭代尋優(yōu)過(guò)程中的適應(yīng)度隨著進(jìn)化代數(shù)逐漸減小，進(jìn)化45次以后適應(yīng)度值達(dá)到最小，說(shuō)明粒子群優(yōu)化算法具有較強(qiáng)的尋優(yōu)能力。通過(guò)粒子群優(yōu)化算法優(yōu)化后，進(jìn)行網(wǎng)絡(luò)訓(xùn)練和仿真測(cè)試，具體結(jié)果如表2所示。

表2基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)仿真預(yù)測(cè)結(jié)果

由表2可知，2011—2014年預(yù)測(cè)的平均相對(duì)誤差僅為0.9736%，低于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的相對(duì)誤差。由該模型得到的預(yù)測(cè)值與實(shí)際值非常接近，同樣由兩獨(dú)立樣本檢驗(yàn)得兩組數(shù)據(jù)沒(méi)有顯著差別，說(shuō)明網(wǎng)絡(luò)的泛化能力強(qiáng)，也表明該模型的擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

為了驗(yàn)證粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，本文選取了GM(1,1)、STIRPAT模型(分別運(yùn)用嶺回歸、偏最小二乘回歸)兩種預(yù)測(cè)模型作為對(duì)照，這三種模型同樣使用1988—2010年數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)2011—2014年的二氧化碳排放量進(jìn)行預(yù)測(cè)，結(jié)果如表3所示。由表3可知，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度高，因而基于粒子群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)能更準(zhǔn)確地預(yù)測(cè)二氧化碳排放量。

表3不同預(yù)測(cè)模型的預(yù)測(cè)值及相對(duì)誤差

四、中國(guó)二氧化碳排放峰值的情景設(shè)定

通過(guò)建立基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)模型，結(jié)合情景分析法就可以預(yù)測(cè)未來(lái)二氧化碳排放量。本文參考諶瑩和張捷[17]設(shè)置情景的方法，將影響二氧化碳排放的各因素的預(yù)測(cè)結(jié)果分為高、低兩種情景，如表4所示。在對(duì)各因素預(yù)測(cè)時(shí)參考中國(guó)已發(fā)布政策及未來(lái)發(fā)展目標(biāo)，使預(yù)測(cè)結(jié)果盡可能準(zhǔn)確。本文以2015年為預(yù)測(cè)基礎(chǔ)年，預(yù)測(cè)周期設(shè)置到2050年，分為七個(gè)階段[18]，分別為：2016—2020年、2021—2025年、2026—2030年、2031—2035年、2036—2040年、2041—2045年和2046—2050年。

表4 2016—2050年各變量的發(fā)展速率 單位:%

第一，人口。中國(guó)1988—2014年人口呈現(xiàn)上升趨勢(shì)，但中國(guó)人口增長(zhǎng)率整體呈下降趨勢(shì)。2015年中國(guó)人口達(dá)137 462萬(wàn)人。國(guó)家衛(wèi)生計(jì)生委指出全面開(kāi)放二胎政策后，預(yù)計(jì)2030年中國(guó)總?cè)丝谶_(dá)14.50億人，并且隨后出現(xiàn)人口負(fù)增長(zhǎng)，2050年總?cè)丝跒?3.80億人，本文將該預(yù)測(cè)結(jié)果作為人口高速增長(zhǎng)的預(yù)測(cè)值；中國(guó)社科院人口與勞動(dòng)經(jīng)濟(jì)研究所研究認(rèn)為，中國(guó)人口將會(huì)在2025年達(dá)到14.13億人的峰值，而到2050年中國(guó)人口數(shù)量將會(huì)比2015年還低，故本文將該預(yù)測(cè)結(jié)果作為低速增長(zhǎng)的預(yù)測(cè)值。

第二，人均GDP。已預(yù)測(cè)出未來(lái)中國(guó)總?cè)丝跀?shù)，通過(guò)預(yù)測(cè)不變價(jià)GDP即可得到人均GDP的預(yù)測(cè)值。2014年中國(guó)GDP增長(zhǎng)率為7.30%，按可比價(jià)格計(jì)算，2015年中國(guó)GDP增長(zhǎng)率為6.90%。根據(jù)目前的經(jīng)濟(jì)形勢(shì)，中國(guó)應(yīng)主動(dòng)適應(yīng)經(jīng)濟(jì)發(fā)展新常態(tài)，堅(jiān)持供給側(cè)改革，實(shí)現(xiàn)經(jīng)濟(jì)“穩(wěn)中求進(jìn)”，因而在未來(lái)發(fā)展過(guò)程中，中國(guó)GDP增長(zhǎng)速率不會(huì)上升。本文將畢超[19]研究中的GDP增長(zhǎng)率作為GDP高速增長(zhǎng)的預(yù)測(cè)值；將國(guó)家統(tǒng)計(jì)局核算司的預(yù)測(cè)[20]作為GDP低速增長(zhǎng)的預(yù)測(cè)值。

第三，城市化率。中國(guó)城鎮(zhèn)化進(jìn)程推動(dòng)了交通、建筑業(yè)和工業(yè)的能源需求，2015年中國(guó)城市化率為55.77%，與發(fā)達(dá)國(guó)家還有較大的差距。國(guó)家新型城鎮(zhèn)化規(guī)劃(2014—2020年)發(fā)展目標(biāo)為：常住人口城鎮(zhèn)化率達(dá)到60%左右。本文將畢超[19]對(duì)中國(guó)城市化率水平的預(yù)測(cè)作為城市化率高速增長(zhǎng)的預(yù)測(cè)值；將張妍和黃志龍[21]的預(yù)測(cè)作為低速增長(zhǎng)的預(yù)測(cè)值。

第四，非化石能源消費(fèi)量比重。新能源的發(fā)展成為世界發(fā)展的必然趨勢(shì)，中國(guó)將加大對(duì)非化石能源的投資，促進(jìn)非化石能源的進(jìn)一步發(fā)展。2015年中國(guó)非化石能源消費(fèi)量比重達(dá)到12%。畢超[19]根據(jù)中國(guó)一次能源消費(fèi)結(jié)構(gòu)測(cè)算出非化石能源比重，本文將其作為高速發(fā)展的預(yù)測(cè)結(jié)果；《2050年世界與中國(guó)能源展望》中指出中國(guó)2050年煤炭、石油、天然氣消費(fèi)比重分別為37%、14%、18%，即非化石能源比重為31%，本文將其作為低速發(fā)展的預(yù)測(cè)結(jié)果。

第五，能源強(qiáng)度?！禝EA世界能源展望報(bào)告2015》指出，中國(guó)能源強(qiáng)度已經(jīng)進(jìn)入一個(gè)大幅度下降的階段。2015年中國(guó)能源強(qiáng)度為2.49噸標(biāo)準(zhǔn)煤/萬(wàn)元。李虹和婁雯[22]測(cè)算出“十三五”規(guī)劃期間單位 GDP能耗的低速率和高速率年均下降率為2.46%和4.36%，本文分別將其作為低速和高速下降的能源強(qiáng)度下降率，本文假定各情景的下降率在各階段中遞減。

第六，研發(fā)強(qiáng)度。《技術(shù)市場(chǎng)“十二五”發(fā)展規(guī)劃》明確提出，到2015年技術(shù)合同成交額突破10 000億元，研發(fā)強(qiáng)度達(dá)1.48%。本文將“十二五”期間中國(guó)研發(fā)強(qiáng)度作為低速增長(zhǎng)時(shí)第一階段的年均增長(zhǎng)率，第二至第七階段增長(zhǎng)率遞減；高速增長(zhǎng)的年均增長(zhǎng)率根據(jù)低增長(zhǎng)率設(shè)定。

五、中國(guó)二氧化碳排放的峰值預(yù)測(cè)

利用基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)對(duì)中國(guó)未來(lái)二氧化碳排放量進(jìn)行預(yù)測(cè)，將不同的情景組合輸入網(wǎng)絡(luò)，預(yù)測(cè)64種情景下中國(guó)2015—2050年二氧化碳排放量，其中變量順序?yàn)槿丝?、人均GDP、城市化率、非化石能源消費(fèi)量比重、能源強(qiáng)度和研發(fā)強(qiáng)度。根據(jù)二氧化碳排放的預(yù)測(cè)結(jié)果，將64種情景劃分為8種情景模式，具體結(jié)果如表5所示。

表5各情景模式下的二氧化碳排放預(yù)測(cè)值

注：H表示各因素高速增長(zhǎng)；L表示各因素低速增長(zhǎng)；—表示該情景在2050年內(nèi)沒(méi)有達(dá)到峰值。

(一)2030前實(shí)現(xiàn)碳排放達(dá)峰的情景分析

低碳模式2中的情景59能夠在2030年前實(shí)現(xiàn)碳排放達(dá)峰，達(dá)峰時(shí)間為2029年，峰值為990 182.2609萬(wàn)噸。該情景下中國(guó)人口在2030年達(dá)峰，GDP與城市化率以低速率增長(zhǎng)，其增長(zhǎng)率分別為4.50%、0.60%，能源強(qiáng)度以低速率下降，但非化石能源消費(fèi)量比重與研發(fā)強(qiáng)度均已高速增長(zhǎng)，達(dá)峰時(shí)非化石能源消費(fèi)量比重達(dá)19.58%，研發(fā)強(qiáng)度達(dá)4.97%，中國(guó)采用該路徑實(shí)現(xiàn)排放達(dá)峰需采取強(qiáng)有力的節(jié)能減排政策。

(二)2030年實(shí)現(xiàn)碳排放達(dá)峰的情景分析

第一，經(jīng)濟(jì)衰退模式下中國(guó)二氧化碳排放量在2030年達(dá)到峰值，峰值為991 101萬(wàn)噸左右。經(jīng)濟(jì)衰退模式強(qiáng)調(diào)各因素均以低速率發(fā)展，該模式下二氧化碳排放雖已達(dá)峰，但與節(jié)能模式2相比，人均GDP同樣低速增長(zhǎng)，節(jié)能模式2的能源技術(shù)水平更高，二氧化碳排放峰值較小，故不采取該種模式來(lái)實(shí)現(xiàn)碳排放達(dá)峰。

第二，節(jié)能模式2下中國(guó)二氧化碳排放在2030年達(dá)到峰值，峰值為990 600—991 100萬(wàn)噸，該模式強(qiáng)調(diào)人均GDP低速增長(zhǎng)，政府及企業(yè)節(jié)能意識(shí)加強(qiáng)，主要驅(qū)動(dòng)因素為能源技術(shù)水平。節(jié)能模式2與節(jié)能模式1最大的區(qū)別是人口和GDP的增長(zhǎng)速率較低，說(shuō)明人均GDP對(duì)二氧化碳排放影響作用較大，中國(guó)在實(shí)現(xiàn)經(jīng)濟(jì)低速穩(wěn)定增長(zhǎng)時(shí)，著力于節(jié)約能源、降低能源消耗，采用新興能源代替能耗高、效率低的能源，二氧化碳排放可達(dá)峰。

第三，低碳模式2下中國(guó)二氧化碳排放在2030年達(dá)到峰值，峰值為990 182—991 100萬(wàn)噸，該模式強(qiáng)調(diào)人均GDP低速增長(zhǎng)，實(shí)行全方位的節(jié)能減排，主要驅(qū)動(dòng)因素為能源技術(shù)水平。低碳模式2與低碳模式1的區(qū)別同樣為人均GDP，低碳模式2下二氧化碳排放峰值低于節(jié)能模式2，說(shuō)明相對(duì)于節(jié)能模式2，發(fā)展全方位的節(jié)能減排能使得二氧化碳峰值有所下降。

第四，強(qiáng)化節(jié)能模式下中國(guó)二氧化碳排放在2030年達(dá)到峰值，峰值為991 069—991 102萬(wàn)噸，該模式強(qiáng)調(diào)人均GDP高速增長(zhǎng)，節(jié)能減排強(qiáng)度與強(qiáng)化低碳模式相同，經(jīng)濟(jì)發(fā)展與能源技術(shù)水平共同驅(qū)動(dòng)。該模式下，影響二氧化碳排放的促進(jìn)因素和抑制因素都高速增長(zhǎng)，但該種情景很難達(dá)到，這是由于在轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式時(shí)，中國(guó)GDP很難再以高的增速增長(zhǎng)，而人口在全面開(kāi)放二胎后會(huì)有短暫的增長(zhǎng)，即人均GDP很難以高速增長(zhǎng)，城市化率也會(huì)受一定影響。

第五，強(qiáng)化低碳模式下中國(guó)二氧化碳排放在2030年達(dá)到峰值，峰值為990 124—991 093萬(wàn)噸，該模式強(qiáng)調(diào)人均GDP低速增長(zhǎng)，節(jié)能減排強(qiáng)度強(qiáng)于低碳模式，主要驅(qū)動(dòng)因素為能源技術(shù)水平。人均GDP低速穩(wěn)定增長(zhǎng)，經(jīng)濟(jì)發(fā)展方式實(shí)現(xiàn)快速轉(zhuǎn)變，其中能源強(qiáng)度快速下降是節(jié)約能源，降低消耗的結(jié)果，加大技術(shù)投資力度及新能源的開(kāi)發(fā)使用使得研發(fā)強(qiáng)度和非化石能源消費(fèi)量比重快速增長(zhǎng)。強(qiáng)化低碳模式與低碳模式2下的二氧化碳排放趨勢(shì)類(lèi)似，其中情景64峰值最小，但該種模式發(fā)展也不切合實(shí)際。

(三)2030年后實(shí)現(xiàn)碳排放達(dá)峰的情景分析

第一，基準(zhǔn)模式下二氧化碳排放在2050年前未達(dá)到峰值。該模式強(qiáng)調(diào)中國(guó)按目前發(fā)展趨勢(shì)并且不采取任何強(qiáng)制措施進(jìn)行減排，主要驅(qū)動(dòng)因素是人均GDP，依舊以經(jīng)濟(jì)增長(zhǎng)來(lái)促進(jìn)社會(huì)發(fā)展，能源強(qiáng)度及技術(shù)發(fā)展以歷史趨勢(shì)發(fā)展，發(fā)展速率較慢?；鶞?zhǔn)模式以中高速發(fā)展經(jīng)濟(jì)為目標(biāo)盡快完成工業(yè)化進(jìn)程。因此，需要采取一定措施來(lái)控制影響二氧化碳排放的各因素的增長(zhǎng)率。

第二，節(jié)能模式1大部分情景下中國(guó)二氧化碳排放量在2050年前未達(dá)到峰值，情景13—16二氧化碳排放在2044—2046年達(dá)峰。該模式強(qiáng)調(diào)人均GDP高速增長(zhǎng)，主要驅(qū)動(dòng)因素為經(jīng)濟(jì)發(fā)展。政府及企業(yè)有節(jié)能意識(shí)，認(rèn)識(shí)到通過(guò)減少化石能源消費(fèi)、降低能源消耗、提高技術(shù)水平、加大開(kāi)發(fā)新型能源的投資能夠?qū)崿F(xiàn)節(jié)能減排、低碳發(fā)展的目標(biāo)，然而踐行力度較差。由情景5—16可知，僅能源強(qiáng)度或非化石能源消費(fèi)量比重快速發(fā)展，經(jīng)濟(jì)保持高速增長(zhǎng)時(shí)，二氧化碳排放在2050年前不能達(dá)峰；而在僅研發(fā)強(qiáng)度快速增長(zhǎng)，促進(jìn)二氧化碳排放的各因素都保持高速增長(zhǎng)時(shí)，二氧化碳排放在2050年前能夠達(dá)峰，達(dá)峰時(shí)間為2044—2046年，峰值為991 102—991 103萬(wàn)噸。分析可知，人口對(duì)二氧化碳排放的影響較小，甚至出現(xiàn)在人口高速變化情景下二氧化碳排放量要小于低速變化情景，這是由于使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練后只能體現(xiàn)出高的預(yù)測(cè)精度，不能夠體現(xiàn)各因素如何影響二氧化碳排放。

第三，低碳模式1大部分情景下二氧化碳排放量在2030年不能達(dá)到峰值，其中情景26—28可達(dá)峰。該模式強(qiáng)調(diào)人均GDP高速增長(zhǎng)，實(shí)行全方位的節(jié)能減排，經(jīng)濟(jì)發(fā)展和能源技術(shù)水平共同驅(qū)動(dòng)。情景17—21二氧化碳排放在2050年前未達(dá)峰，其特點(diǎn)是經(jīng)濟(jì)增長(zhǎng)的速度仍高于抑制二氧化碳排放因素的發(fā)展速度；而情景22—25二氧化碳排放在2044—2046年達(dá)峰，峰值小于節(jié)能模式1；情景26—28下二氧化碳排放在2030年達(dá)峰，峰值在991 000萬(wàn)噸左右。中國(guó)必須在增長(zhǎng)經(jīng)濟(jì)的同時(shí)加大對(duì)技術(shù)市場(chǎng)的投資，積極開(kāi)發(fā)新型能源來(lái)代替能耗高的化石能源。

綜上所述，中國(guó)的發(fā)展模式可選擇節(jié)能模式2，這是最現(xiàn)實(shí)可靠的方案，但是以減緩經(jīng)濟(jì)增長(zhǎng)為代價(jià)，即控制GDP的增長(zhǎng)速率，抑制二氧化碳排放的因素高速率增長(zhǎng)，以較低的、穩(wěn)定的經(jīng)濟(jì)增長(zhǎng)來(lái)達(dá)到經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變。上述結(jié)果表明了人均GDP、城市化率、非化石能源消費(fèi)量比重、研發(fā)強(qiáng)度對(duì)二氧化碳排放的影響較大，人口、能源強(qiáng)度影響較小，該結(jié)果與灰色關(guān)聯(lián)結(jié)果大致相同。因此，在經(jīng)濟(jì)快速發(fā)展的同時(shí)，大力發(fā)展可再生能源、增加技術(shù)成交額，即加快實(shí)現(xiàn)科技向生產(chǎn)力的轉(zhuǎn)換，推動(dòng)能源結(jié)構(gòu)調(diào)整，提高能源利用效率，使二氧化碳排放盡早達(dá)峰。

六、不同情景下碳排放達(dá)峰的特征分析

(一)不同情景下碳排放趨勢(shì)分析

選取8種模式下代表情景，觀察不同情景下2015—2050年二氧化碳排放量，分析可知，經(jīng)濟(jì)衰退模式、節(jié)能模式2、低碳模式2、強(qiáng)化低碳模式的二氧化碳變化趨勢(shì)較明顯，其在達(dá)到峰值后二氧化碳排放均以較大的速率下降，低碳模式2與強(qiáng)化低碳模式在達(dá)峰后排放總量快速下降，但實(shí)現(xiàn)該目標(biāo)有較大難度；基準(zhǔn)模式、節(jié)能模式1、低碳模式1下二氧化碳未達(dá)到峰值，但二氧化碳排放量變化不明顯，強(qiáng)化節(jié)能模式下二氧化碳雖達(dá)到峰值，其二氧化碳排放減少較少。

(二)不同情景下碳排放達(dá)峰的人均二氧化碳排放分析

不同發(fā)展模式下人均二氧化碳排放也會(huì)存在差異，二氧化碳排放達(dá)峰并不意味著人均二氧化碳排放能達(dá)到峰值，本文選用8種模式下代表情景的人均二氧化碳排放量，并以此與二氧化碳排放達(dá)到峰值國(guó)家的人均二氧化碳排放對(duì)比。分析可知，基準(zhǔn)模式、節(jié)能模式1、低碳模式1、強(qiáng)化節(jié)能模式下中國(guó)人均二氧化碳沒(méi)有達(dá)到峰值，且人均排放在6.5—7.5噸/人；經(jīng)濟(jì)衰退模式下人均二氧化碳排放在2045年后達(dá)峰，晚于總量達(dá)峰年份；節(jié)能模式2下人均二氧化碳排放達(dá)峰年份也晚于總量達(dá)峰年份，2040年人均碳排放水平下降，2050年人均排放低于6噸/人；而低碳模式2、強(qiáng)化低碳模式下人均碳排放水平在總量達(dá)峰時(shí)也出現(xiàn)峰值，峰值與其他模式相比略小，并且在達(dá)峰后迅速下降，2045—2050年，人均碳排放水平達(dá)到3—4噸/人，與全球平均水平相當(dāng)。根據(jù)柴麒敏和徐華清[3]文中所列的國(guó)家和地區(qū)人均排放峰值，大部分工業(yè)化國(guó)家人均二氧化碳排放超過(guò)10噸/人，美國(guó)的人均二氧化碳峰值甚至達(dá)到22.2噸/人，絕大部分工業(yè)化國(guó)家人均排放峰值早于總量峰值。

(三)不同情景下碳排放達(dá)峰的二氧化碳排放強(qiáng)度分析

不同情景下GDP增長(zhǎng)速率不同，使得二氧化碳排放強(qiáng)度也略有不同，分析可知，中國(guó)二氧化碳排放強(qiáng)度的未來(lái)總體趨勢(shì)大幅度下降，到2020年，各種情景模式下都能達(dá)到2009年哥本哈根會(huì)議之前設(shè)定的二氧化碳排放強(qiáng)度目標(biāo)，即中國(guó)單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放量比2005年下降40%—45%，同時(shí)也實(shí)現(xiàn)了2030年二氧化碳排放強(qiáng)度下降60%—65%的目標(biāo)。本文設(shè)置的各種情景模式在2020年下降幅度達(dá)到50%左右，2025—2035年，基準(zhǔn)模式、節(jié)能模式1、低碳模式1、強(qiáng)化節(jié)能模式下二氧化碳排放強(qiáng)度下降幅度大于其他模式；2035年后，低碳模式2、強(qiáng)化低碳模式下二氧化碳排放強(qiáng)度下降幅度較大；2050年的二氧化碳排放強(qiáng)度相當(dāng)于2005年的10%。

七、主要結(jié)論

本文基于1988—2014年中國(guó)能源二氧化碳排放量、人口、人均GDP、城市化率、非化石能源消費(fèi)量比重、能源強(qiáng)度、研發(fā)強(qiáng)度等變量建立二氧化碳排放預(yù)測(cè)模型，通過(guò)對(duì)比嶺回歸法、偏最小二乘回歸、GM(1，1)模型、BP神經(jīng)網(wǎng)絡(luò)和基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，選擇出最優(yōu)模型即基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)二氧化碳達(dá)峰情況，本文的研究結(jié)論如下：

第一，與傳統(tǒng)計(jì)量預(yù)測(cè)模型相比，基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果最佳。該預(yù)測(cè)模型測(cè)試集的相對(duì)誤差均值為0.9736%，與其他模型相比預(yù)測(cè)準(zhǔn)確性更高，說(shuō)明基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法有較高的擬合優(yōu)度，使用該方法預(yù)測(cè)二氧化碳排放更合理。

第二，基于粒子群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)中國(guó)能源二氧化碳排放量在節(jié)能模式2下(2030年達(dá)到峰值)最符合現(xiàn)實(shí)情況。節(jié)能模式2下經(jīng)濟(jì)增速相對(duì)于常規(guī)路徑累計(jì)減少3.70%，能夠較為平穩(wěn)地轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，實(shí)現(xiàn)向低碳經(jīng)濟(jì)的轉(zhuǎn)型，但實(shí)現(xiàn)該目標(biāo)需要實(shí)施舉措滿足該模式下各變量的新變化。

第三，人均GDP、城市化率、非化石能源消費(fèi)量比重、研發(fā)強(qiáng)度對(duì)二氧化碳排放的影響較大，人口、能源強(qiáng)度對(duì)二氧化碳排放的影響較小，該結(jié)果與灰色關(guān)聯(lián)結(jié)果大致相同。若經(jīng)濟(jì)發(fā)展處于較低速率，而非化石能源消費(fèi)量比重、能源強(qiáng)度、全國(guó)技術(shù)市場(chǎng)成交額相對(duì)較快速增長(zhǎng)時(shí)，中國(guó)二氧化碳排放能夠在2030年達(dá)到峰值；若經(jīng)濟(jì)發(fā)展速率快，而抑制因素增長(zhǎng)較慢時(shí)不能實(shí)現(xiàn)在2030年達(dá)到峰值的目標(biāo)。因此，若中國(guó)根據(jù)設(shè)置好的路徑發(fā)展時(shí)，能夠?qū)崿F(xiàn)目標(biāo)，即在經(jīng)濟(jì)快速發(fā)展的同時(shí)，應(yīng)加大非化石能源的消費(fèi)，并增加技術(shù)成交額，即加快實(shí)現(xiàn)科技向生產(chǎn)力的轉(zhuǎn)換；減少化石能源的消費(fèi)，提高能源利用效率，開(kāi)發(fā)并利用新型、清潔能源；人口對(duì)二氧化碳排放影響較小，可適當(dāng)放寬政策，以防中國(guó)人口老齡化加重。

第四，中國(guó)人均二氧化碳排放達(dá)峰時(shí)間晚于總量達(dá)峰時(shí)間，達(dá)峰時(shí)人均排放水平為6.5—7.5噸/人，低于完成工業(yè)化的國(guó)家的人均碳排放水平。各種情景模式均可實(shí)現(xiàn)2020年中國(guó)單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放量比2005年下降40%—45%，2030年二氧化碳排放強(qiáng)度下降60%—65%的目標(biāo)。