新能源汽车的发展与双碳的联系以及长三角地区碳达峰碳中和时间预测的研究.docxVIP

新能源汽车的发展与双碳的联系以及长三角地区碳达峰碳中和时间预测的研究

摘要：长三角作为国内最早在新能源汽车这条赛道布局的区域之一，如今全国每三辆新能源汽车，就有一辆产自长三角地区。新能源产业在长三角地区已产生集聚发展效应，正如新能源产业集聚度城市排行榜所盛示，前十的城市之中，有半数城市出自长三角地区，前五十之中，有26座城市来自于华东地区。在利用新能源汽车实现弯道超车〞的路上，长三角正一路狂飙”。

我们主要通过两个方式来解决问题：第一种研究新能源汽车发展与双碳之间的关系，在全国和长三角之间都进行分析，通过建立LASSO回归模型，对碳排放量与新源汽车发展的规律来预测长三角地区未来碳达峰，碳中和时间。第二种我们可以建立影响长三角地区碳排放的因素模型，考虑到新能源汽车的发展对碳排放的影响，我们可以将新能源汽车市场保有量引入模型中，得到扩展因素模型。

关键词：双碳预测LASSO回归模型长三角双碳数学模型分析

1.探究新能源汽车的发展对双碳目标的积极作用

新能源汽车的发展对双碳目标的实现具有积极推动作用，这是因为新能源汽车具有低碳、零排放、环保等特点，在替代传统燃油车方面具有巨大的优势，在一定程度上可以减少交通运输领域产生的温室气体排放。

长三角地区2015~2022年碳排放量变化

图1长三角地区2015~2022年碳排放量受新能源汽车影响曲

2.模型建立与求解

2.1数据收集与分析

首先要收集碳排放量相关的数据,以及要收集新能源汽车对应的数据。(中国的碳排放量相关数据,以及新能源汽车发展数据,sheet1)

表22006年~2022年长三角碳排放强度

表31997年~2019年长三角碳排放总量变化表

2.2lasso线性回归[1]

LASSO的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0的回归系数，得到可以解释的模型，其数学表达式如下:

BLASSO?=aTgBminY?XjBj

S.t.Bj≤t

j=1

其中t0，是调整参数，通过控制调整参数t可以实现对总体回归系数的压缩。t值的确定可以利用Efron

和Tibshirani提出的交叉验证法来估计。这个数学表达式还等价于最小化下述惩罚最小二乘法:

BLASSO?=aTgBminY?xjBj2?+aBj

我们在简历线性模型的广义方面的时候，广义这方面的线性模型一般都含一维连续的因变量，并且含有多维连续的因变样，甚至还有恢复次数的因面量，二元离散因变量，多元离散因变量，并且除去这些因变量之外，无论它的因变量是连续的还是散开的，因为我们这个模型都能处理，综上所述，lasso模型对于基本数据的要求非常的低，并?且它的应用程度比较广泛，但是唯一的缺点是精准度不高，除此之外，它还能够对变量进行筛选和对模型的复杂程度进行降低，就是对整一个模型简易化我们这里所说的筛选这个变量是指不把所有的变量都放在这个模型中进行拟合，而是选择有关系的变量，并且选择关联度较大的变量放在模型中，从而得到更好更加的性能参数。为了避免过度拟合，我们需要调整它的复杂度，通过一系列参数控制模拟的复杂度，对于线性回归方程来说，尤其是线性回归的模拟复杂度与模型的变量之间有直接关系，它的变量越多，它的复杂度肯定就越高，更多的变量在拟核时往往可以看出一个更好的模型，但同时也是面临过度拟合的风险

lasso的复杂程度由λ来控制，λ越大对变量较多的线性模型的惩罚力度就越大，从而最终获得一个变量较少的模型。除此之外，另一个参数α来控制应对高相关性

(highlycorrelated)数据时模型的性状。LASSO回归α=1，Ridge回归α=0，这就对应了惩罚函数的形式和目的。我们可以通过尝试若干次不同值下的λ,来选取最优λ下的参数，还可以结合CV选择最优秀的模型。

s,t.Bjk=0,j=1,...J

k=1

?????wkmBjk?Bjm≤t

1≤k≤m≤pj

2.3：模型系数表

变量名

标准化系数R2

非标准化系数

截距

新能源汽车保有量(万辆)

新能源汽车产业链规模(家)?新能源汽车专利申请数量(项)

新能源汽车市场规模(亿元人民币)

新能源汽车企业数量(家)

新能源汽车销量(万辆)

新能源汽车补贴金额(亿元人民币)?新能源汽车充电基础设施覆盖率(%)

2008.624

0.033

0.018

0

0

-0.002

0.01

-0.009

0

0

0

2008.341

0.001

0.019

0

1

0

0011

0

新能源汽车充电桩数量(万个)0

0

表-10模型系数表

图表说明：

上表展示了模型系数情况，当模型中标准化变量系数为0时，代表这个变量被排