我国碳排放增长率的运行机理及预测

作者：张国兴; 张振华; 刘鹏; 刘明星

来源：中国管理科学, 2015, (12): 86-93.

DOI：10.16381/j.cnki.issn1003-207x.2015.12.011

• 碳排放增长率
• 经验模态分解
• 预测
• 神经网络 the growth rate of carbon emissions
• empirical mode decomposition(EMD)
• prediction
• neural network

碳排放是气候变暖的重要原因之一,研究和预测碳排放增长率能为低碳政策的制定提供理论指导。利用经验模态分解方法,本文将我国碳排放增长率序列分解为短期波动项和趋势项两个序列,并分析了国家政策、国内宏观经济变化、金融危机对短期波动项和趋势项的影响。在此基础上,利用动态神经网络分别对趋势项和短期波动项进行预测,并将二者之和作为最终的碳排放增长率的预测值。最后,从误差序列绝对值的最大值、最小值、均值和标准差四个角度来比较该预测方法与单独以碳排放量和碳排放增长率为输入变量的神经网络模型的优劣,并得出本文提出的模型具有预测有效性的结论。

• 出版日期2015
• 单位兰州大学; 中国科学院数学与系统科学研究院