首页|基于IPSO-BP神经网络模型的山东省碳排放预测及生态经济分析

基于IPSO-BP神经网络模型的山东省碳排放预测及生态经济分析

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在低碳经济发展背景下,针对山东省碳排放数据更新迟缓、以往预测模型难以满足现实需求的问题,统计相关数据,根据政府间气候变化专门委员会(IPCC)推荐方法测算山东省2000—2017年碳排放量和排放强度,并借助脱钩分析、碳承载力和碳赤字探究碳排放的动态变化趋势;基于5项最重要的碳排放影响因素,建立改进的粒子群算法(IPSO)优化BP神经网络模型,对山东省的碳排放量和排放强度进行仿真预测.结果表明:山东省工业耗能占总量的78.5％左右.2000—2017年间山东省碳排放量呈增长趋势,年平均为52328.10万吨;碳排放强度却呈下降趋势,年平均为1.73万吨/亿元.总体而言,2000—2017年间山东省碳排放量与GDP之间呈弱脱钩的态势,碳承载力呈先增长后减小的趋势,18年间碳承载力减少了8％,全省从2005年开始出现碳赤字,并呈现增大趋势.IPSO算法明显优化了BP神经网络,误差更小、精度更高,更适于碳排放量及相关指标的预测.预测结果显示山东省未来碳排放量呈缓慢增长趋势,而碳排放强度有所降低,以期为政府决策提供科学依据.
Carbon emissions prediction based on IPSO-BP neural network model and eco-economic analysis of Shandong province

张迪、王彤彤、支金虎

展开 >

塔里木大学植物科学学院, 阿拉尔 843300

塔里木大学南疆绿洲农业资源与环境研究中心, 阿拉尔 843300

西北农林科技大学资源环境学院, 杨凌 712100

长江水利委员会长江科学院重庆分院, 重庆 400026

展开 >

BP神经网络 IPSO优化算法 碳排放 预测 山东省

国家重点研发计划国家重点研发计划环境材料与修复技术重庆市重点实验室开放基金

2017YFC05043002017YFD0201900CEK1805

2022

10.14108/j.cnki.1008-8873.2022.01.017

生态科学
广东省生态学会 暨南大学

生态科学

CSTPCDCSCD
影响因子：0.464
ISSN：1008-8873
年,卷(期)：2022.41(1)
  • 13
  • 37