[发明专利]一种区域碳达峰的预测方法

说明书

本发明提出一种区域碳达峰的预测方法，包括以下步骤：S1：收集待测区域历年数据，所述历年数据包括经济增长数据和能源消耗数据；S2：根据所述能源消耗数据计算得到待测区域的碳排放总量；S3：采用灰色关联度分析筛选碳排放的影响因素；S4：采用LMDI对引起碳排放的各项所述影响因素进行分解,并分析各所述影响因素对碳排放量的变动效应和贡献度；S5：搭建碳达峰预测模型，对未来碳排放趋势进行情景预测。在本申请中,由于通过采用灰色关联度分析筛选碳排放影响因素，基于源头分析影响碳排放的因素，精准提供预测的基础影响因素，并采用STIRPAT模型的提高碳达峰预测模型的准确性，使生成的碳排放量预测结果准确性也有所提高。

技术领域

本发明涉及碳排放预测领域，尤其涉及一种区域碳达峰的预测方法。

背景技术

本发明为研究碳排放未来演化路径并分析不同因素对碳排放量变化的影响，提出一种基于“经济–能源–环境”3E平衡模型的碳排放因素分解与峰值预测方法。首先采用灰色关联度分析筛选碳排放影响因素。然后采用对数平均迪氏分解法LMDI对引起碳排放变化的因素进行分解，分析各影响因素对碳排放量的变动效应和贡献度，最后采用经岭回归优化训练后的可拓展随机性环境影响评估模型STIRPAT进行碳排放未来趋势预测。

发明内容

本发明的目的是为了提供一种区域碳达峰的预测方法，通过采用灰色关联度分析筛选碳排放影响因素。然后采用对数平均迪氏分解法LMDI对引起碳排放变化的因素进行分解，分析各影响因素对碳排放量的变动效应和贡献度，最后采用经岭回归优化训练后的可拓展随机性环境影响评估模型STIRPAT进行碳排放未来趋势预测。

为了实现上述目的，本发明提出一种区域碳达峰的预测方法，包括以下步骤：

S1：收集待测区域历年数据，所述历年数据包括经济增长数据和能源消耗数据；

S2：根据所述能源消耗数据计算得到待测区域的碳排放总量；

S3：采用灰色关联度分析筛选碳排放的影响因素；

S4：采用LMDI(平均迪氏分解法)对引起碳排放的各项所述影响因素进行分解,并分析各所述影响因素对碳排放量的变动效应和贡献度；

S5：针对各所述影响因素的多种情景组合，分别采用经岭回归优化训练后的STIRPAT模型(可拓展随机性环境影响评估模型)，搭建碳达峰预测模型，对未来碳排放趋势进行情景预测。

进一步地，在所述的区域碳达峰的预测方法中，在步骤S1中，所述历年数据的收集步骤如下：

S1.1：统计待测区域内历年的区域人口总数、城镇人口总数和生产总值；

S1.2：通过对所述区域人口总数、城镇人口总数和生产总值的整合处理，计算得出待测区域对应的经费投入强度Q和城镇化率J：

其中：Q表示经费投入强度；G_Q表示经费支出；G表示区域生产总值GDP；J表示城镇化率；P_C表示城镇人口总数；P表示区域人口总数。

进一步地，在所述的区域碳达峰的预测方法中，在步骤S2中，采用IPCC换算方法根据待测区域历史的所述能源消耗数据中能源消费总量计算得到碳排放总量，且所述能源消费总量所消费的能源包括化石燃料、外购电力及外购热力。

进一步地，在所述的区域碳达峰的预测方法中，所述IPCC换算方法的计算步骤如下：

S2.1：计算所述碳排放总量C中的化石燃料的碳排放量C₁，即化石燃料的碳排放量由不同种类的化石燃料的消费量乘以对应的碳排放系数可得；