基于BP神经网络我国煤炭消费和碳排放量预测.docVIP

基于BP神经网络我国煤炭消费和碳排放量预测 　　[摘要] 利用1994～2013年历年的煤炭消费和碳排放量数据，将BP神经网络方法应用于我国煤炭消费和碳排放量的预测，通过预测值和实际值的对比分析，预测了2014～2020年的煤炭消费量和碳排放量，预测结果表明：未来几年煤炭消费和碳排放量依旧呈递增趋势，且增长率均不会出现太大的变动。 　　[关键词] BP神经网络；煤炭消费；碳排放量 　　[中图分类号] F407.21[文献标识码] A[文章编号] 1008―1763（2015）01―0064―04 　　The Prediction of Chinas Coal Consumption and Carbon 　　Emissions Based on BP Neural Network 　　ZHANG Zhengqiu，CHEN Ya 　　（College of Mathematics and Econometrics，Hunan University，Changsha410082，China） 　　Abstract：According to the coal consumption and carbon emissions data from 1994 to 2013， the neural network method is applied in the prediction of coal consumption and carbon emissions. By comparing and analyzing the predicted value and the actual value， we predict the coal consumption and carbon emissions from 2014 to 2020.The predications show that in the next few years，coal consumption and carbon emissions still show an increasing trend，and the growth rate will not undergo a big change. 　　Key words： BP neural network；coal consumption；carbon emissions 　　一引言 　　近年来，能源的大量消耗给生态环境带来了巨大的压力，特别是由于温室效应所导致的气候变暖已严重威胁到人类生产和生活的可持续发展。如何正确、有效地应对气候变化所带来的一系列问题已成为全球共同面临的巨大挑战。目前，我国是世界上最大的煤炭消费国，二氧化碳的排放量也仅次于美国，居世界第二位，如何控制和减少碳排放已成为我国政府亟需解决的问题。我国政府在哥本哈根会议上承诺：到2020年，单位GDP碳排放强度比2005年降低40%～45%，并将其作为约束性指标纳入社会和国民经济发展的中长期规划。对我国未来的煤炭消费和碳排放量进行科学预测，能够帮助有关部门制定更合理、更符合中国发展实情的能源政策和环境政策，能够更好地推动国民经济又好又快发展。 　　国内外已有不少学者研究了煤炭消耗与碳排放问题，如Zhang X. P.等[1]研究了我国经济发展、能源消耗和碳排放的格兰杰因果关系的存在及其方向；Chang C. C.[2] 利用多变量整协的检验方法研究了我国碳排放、能源消耗和经济发展之间的关系[2]；Li F. 等[3]利用面板单位根与异构的面板协整关系研究了我国大陆30个省市的经济发展与能源消耗的关系；张会新等[4]运用三角灰色系统模型预测煤炭消费量，得出了短期内煤炭消费量会随着GDP增长而逐年增加的结论；张兴平等[5]用1980～2005年的数据对我国煤炭消费进行协整分析，认为煤炭消费与国内生产总值（GDP）、结构变化和效率之间存在长期均衡关系；田立新等[6]通过建立一系列微分方程对我国人口、GDP、煤炭消耗以及碳排放进行预测；宋杰鲲等[7]选取了人口、城镇化率、人均GDP等6个因素为自变量，运用BP神经网络方法构建我国碳排放预测模型，并对2010～2015年我国碳排放量进行预测。 　　上述研究都是在探寻煤炭消费（或碳排放量）与人口、GDP等因素之间的关系，本文拟基于煤炭消费和碳排放量的历年数据，利用BP神经网络方法建立煤炭消费和碳排放量的趋势预测模型，并对未来几年的煤炭消费和碳排放量进行预测。 　　二煤炭消费和碳排放量的BP神经网络 　　预测模型 　　BP神经网络应用于预测有三种方式：回归预测、趋势预测和组合预测。本文拟采用神经网络趋势预测的思路，建立3层BP神经网络，输入变量是历年煤炭消费量和碳排放量，中间