江西省經(jīng)濟(jì)增長(zhǎng)中能源消費(fèi)與碳排放的預(yù)測(cè)分析
——基于非線性灰色伯努利模型

賴(lài)永劍， 賀祥民

(南昌工程學(xué)院 經(jīng)貿(mào)學(xué)院， 江西 南昌 330099)

江西省經(jīng)濟(jì)增長(zhǎng)中能源消費(fèi)與碳排放的預(yù)測(cè)分析
——基于非線性灰色伯努利模型

賴(lài)永劍， 賀祥民

(南昌工程學(xué)院 經(jīng)貿(mào)學(xué)院， 江西 南昌 330099)

使用非線性灰色伯努利模型預(yù)測(cè)了2014-2022年江西省能源消費(fèi)與碳排放的量值，整體而言，江西省的能源消費(fèi)總量和碳排放總量在增長(zhǎng)率呈現(xiàn)下降的趨勢(shì)。非線性灰色伯努利模型具有較好的預(yù)測(cè)能力，預(yù)測(cè)發(fā)現(xiàn)到2022年江西省的能源消費(fèi)量達(dá)到11 060.1萬(wàn)噸標(biāo)準(zhǔn)煤，碳排放達(dá)到6 282.4萬(wàn)噸；從2014年到2022年江西省能源消費(fèi)量的年均增長(zhǎng)率為4.06%，碳排放量的年均增長(zhǎng)率為3.11%。

能源消費(fèi)； 碳排放； 非線性灰色伯努利模型

江西省改革開(kāi)放以來(lái)經(jīng)濟(jì)高速增長(zhǎng)創(chuàng)造了巨大的物質(zhì)財(cái)富，老百姓的生活水平有了較大程度的提高。然而，在這種可喜的發(fā)展同時(shí)也面臨著許多嚴(yán)峻的問(wèn)題。當(dāng)前最突出的問(wèn)題之一就是長(zhǎng)期粗放型增長(zhǎng)模式下，能源約束不斷趨緊，環(huán)境問(wèn)題愈發(fā)凸顯。這意味著，能源和環(huán)境已經(jīng)逐漸成為江西省經(jīng)濟(jì)增長(zhǎng)的瓶頸因素，能源消費(fèi)與及環(huán)境污染的整體形勢(shì)不容樂(lè)觀。

在全面協(xié)調(diào)可持續(xù)成為時(shí)代主題的時(shí)期，江西省作為經(jīng)濟(jì)上正在加快發(fā)展的省份，非常有必要協(xié)調(diào)好經(jīng)濟(jì)增長(zhǎng)與能源消費(fèi)和環(huán)境污染之間的關(guān)系。因此，采用較為可靠的研究方法，對(duì)江西省未來(lái)幾年間的經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)、污染排放的總量進(jìn)行預(yù)測(cè)，這對(duì)于地方政府部門(mén)制訂長(zhǎng)遠(yuǎn)規(guī)劃、實(shí)施相應(yīng)的戰(zhàn)略決策，從而促進(jìn)地方經(jīng)濟(jì)的健康、穩(wěn)定、可持續(xù)發(fā)展都有重要的意義。

一、文獻(xiàn)綜述

使用較先進(jìn)的預(yù)測(cè)技術(shù)對(duì)于一個(gè)地區(qū)能源生產(chǎn)、分配、使用，環(huán)境保護(hù)與經(jīng)濟(jì)增長(zhǎng)合理預(yù)測(cè)對(duì)于地區(qū)的可持續(xù)發(fā)展具有重要的意義。當(dāng)前預(yù)測(cè)技術(shù)主要分成三種：多變量分析、單變量時(shí)間系列分析、非線性模型。多變量模型和協(xié)整技術(shù)經(jīng)常用于分析和預(yù)測(cè)能源消費(fèi)，比如Amarawickrama and Hunt[1]、Bianco et al.[2]。

多變量模型非常突出的局限性在于其對(duì)預(yù)測(cè)期中自變量數(shù)據(jù)的有效性和可靠性具有非常強(qiáng)的依賴(lài)性，也就是說(shuō)對(duì)于數(shù)據(jù)的收集和估計(jì)過(guò)程要求較高。而單變量時(shí)間系列模型與多變量模型存在較大的差異性，其只需要變量的歷史數(shù)據(jù)就能夠預(yù)測(cè)其將來(lái)的變化趨勢(shì)。單變量的ARIMA(自回歸求和移動(dòng)平均)被大量運(yùn)用在能源消費(fèi)、環(huán)境、金融等問(wèn)題的預(yù)測(cè)中[3-4]；但是，這種方法的使用需要大量的可觀察變量才能得到較為可靠的預(yù)測(cè)結(jié)果。

由于能源消費(fèi)存在較大的波動(dòng)性，一些智能非線性預(yù)測(cè)模型，比如人工神經(jīng)網(wǎng)絡(luò)[5]、模糊控制方法[6]及一些混合模型在用于預(yù)測(cè)能源需求中更具效率[7]。然而，這些方法的預(yù)測(cè)結(jié)果也嚴(yán)重依賴(lài)于數(shù)據(jù)的數(shù)量與及數(shù)據(jù)的代表性，而且其存在的局限性也是較難以克服的。

在像中國(guó)這樣的快速發(fā)展的發(fā)展中國(guó)家，能源需求、污染排放和GDP等變量的時(shí)間序列數(shù)據(jù)隨著時(shí)間的變化會(huì)存在較大的波動(dòng)，這必然會(huì)影響到數(shù)據(jù)的有效性和代表性，進(jìn)而影響到預(yù)測(cè)結(jié)果。而灰色系統(tǒng)模型其優(yōu)點(diǎn)就是在于能夠在系統(tǒng)處于較復(fù)雜、不確定、混沌的情況下，將系統(tǒng)視為黑盒，對(duì)數(shù)據(jù)質(zhì)量要求較低，從而對(duì)事物的發(fā)展進(jìn)行預(yù)測(cè)。

國(guó)內(nèi)研究中如程勝采用混沌—神經(jīng)網(wǎng)絡(luò)時(shí)間系列方法預(yù)測(cè)了我國(guó)農(nóng)村能源的消費(fèi)狀況[8]；而曾勝利用能源消費(fèi)彈性系數(shù)法測(cè)算了未來(lái)幾年的能源消費(fèi)量[9]；王文超使用Markov鏈模型預(yù)測(cè)了中國(guó)若干年的能源及碳排放的量[10]。關(guān)于碳排放預(yù)測(cè)，近些年如杜強(qiáng)、陳喬、陸寧等分別使用改進(jìn)的IPAT模型，Logistic預(yù)測(cè)模型預(yù)測(cè)了中國(guó)各省的碳排放狀況[11-12]。而趙息、齊建民、劉廣為等利用離散二階差分算法預(yù)測(cè)了中國(guó)的碳排放[13]。

可以看到近些年來(lái)國(guó)內(nèi)也開(kāi)始采用一些先進(jìn)的方法對(duì)國(guó)內(nèi)能源消費(fèi)和碳排放的情況進(jìn)行預(yù)測(cè)，然而，國(guó)內(nèi)基本上不存在著眼于一個(gè)省份，將經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)和環(huán)境污染融入到一個(gè)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的研究；而且已有的預(yù)測(cè)研究中并沒(méi)有較好地考慮經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間存在的非線性關(guān)系，這必然會(huì)影響到預(yù)測(cè)結(jié)果的可靠性。本文使用最新發(fā)展起來(lái)的非線性灰色伯努利模型，既考慮了變量之間的非線性關(guān)系，又克服了區(qū)域經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)、環(huán)境污染等變量數(shù)據(jù)的不穩(wěn)定性的特點(diǎn)，從而在對(duì)江西省經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)、環(huán)境污染的關(guān)系研究及預(yù)測(cè)過(guò)程中能夠得到較為穩(wěn)定而可靠的結(jié)果。

二、研究設(shè)計(jì)

(一)碳排放量的計(jì)算

目前，我國(guó)各統(tǒng)計(jì)部門(mén)并未有針對(duì)碳排放的統(tǒng)計(jì)，因此，我們必須計(jì)算江西省各年的碳排放。國(guó)內(nèi)研究中度量地區(qū)二氧化碳排放的方法主要是在聯(lián)合國(guó)政府間氣候變化專(zhuān)業(yè)委員會(huì)(IPCC)于2006年編制的《國(guó)家溫室氣體清單指南》的基礎(chǔ)上來(lái)進(jìn)行度量。計(jì)算公式如下：

(1)

C為碳排放量，Cj為第j種化石燃料燃燒排放的碳，Aj為第j種化石燃料的消耗量，國(guó)內(nèi)外學(xué)者一般將化石燃料歸類(lèi)三種：原煤、原油和天然氣，所以本文中的j為3，我們后文在計(jì)算時(shí)將各種燃料歸總為這三類(lèi)。Hj為化石燃料的低位發(fā)熱量，CIj為燃料的含碳量，Oj為燃料的氧化因子，B為二氧化碳與碳原子的質(zhì)量比。

(二)非線性灰色伯努利模型的預(yù)測(cè)方法

非線性灰色伯努利模型(NonlinearGreyBernoulliModel,NGBM)，具有灰色系統(tǒng)模型(GreyModel,GM)的所有優(yōu)點(diǎn)，能夠在系統(tǒng)處于較復(fù)雜、不確定、混沌的情況下，將系統(tǒng)視為黑盒，對(duì)數(shù)據(jù)質(zhì)量要求較低；同時(shí)該方法既考慮了變量之間的非線性關(guān)系，又克服了經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)、環(huán)境污染等變量數(shù)據(jù)的不穩(wěn)定性的特點(diǎn)，從而在對(duì)江西能源消費(fèi)、碳排放關(guān)系及其預(yù)測(cè)過(guò)程中能夠得到較為穩(wěn)定而可靠的結(jié)果。

預(yù)測(cè)工具非線性灰色伯努利模型最早出現(xiàn)于Zhou等的著作上[14]，該工具以灰色系統(tǒng)和普通的伯努利方程為基礎(chǔ)，于是，在灰色系統(tǒng)的基礎(chǔ)上，NGBM存在：

u(0)(k)+αZ(1)(k)=b[Z(1)(k)]i,i∈R

Z(1)(k)=0.5[u(1)(k)+u(1)(k-1)],k=1,2……,n

(2)

i的最優(yōu)值由預(yù)測(cè)模型中的最小平均絕對(duì)誤差(MAPE)決定。參數(shù)a和b可以用下式進(jìn)行估計(jì)：

[a,b]T=[BTB]-1BTyn

(3)

(4)

本文使用的數(shù)據(jù)來(lái)源于歷年《江西省統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。

三、實(shí)證分析結(jié)果

(一)描述統(tǒng)計(jì)分析

縱觀1995-2013年江西省的GDP的變化，可以看到江西省的經(jīng)濟(jì)增長(zhǎng)迅速，從1995年的1 169.73億元上升到2013年的14 338.5億元，名義上增長(zhǎng)了11.25倍，扣除通貨膨脹，江西省的實(shí)際GDP也增長(zhǎng)了6倍多。從圖1可以看到，江西省的GDP從2001年后增長(zhǎng)最為顯著。這種較突出的增長(zhǎng)主要得益于工業(yè)的發(fā)展，隨著中部崛起戰(zhàn)略的實(shí)施，隨著東部沿海地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移，江西作為中部吸納東部產(chǎn)業(yè)轉(zhuǎn)移的重點(diǎn)地區(qū)，進(jìn)入新世紀(jì)以來(lái)工業(yè)得到了巨大的發(fā)展。2013年，江西省規(guī)模以上工業(yè)企業(yè)7 601家，增加值為5 755.51億元，從業(yè)人數(shù)為220余萬(wàn)；分別比2000年增加114.2%，113.31%和103.71%。

但是，令人遺憾的是隨著江西省工業(yè)的發(fā)展，江西省的能源消耗較多，增長(zhǎng)較快；工業(yè)排放的環(huán)境污染物增長(zhǎng)較快，對(duì)環(huán)境破壞較為明顯。從圖2可以看到江西省能源消耗從1995的2 391.7萬(wàn)噸標(biāo)準(zhǔn)煤增長(zhǎng)到2013年的7 672.7萬(wàn)噸標(biāo)準(zhǔn)煤，增長(zhǎng)了2.2倍，其中平均每年約有70%能源消耗為煤炭，另有約10%～20%的能源消耗為石油。從GDP的增長(zhǎng)變化及能源消耗的增長(zhǎng)變化對(duì)比，我們可以看到一個(gè)可喜的現(xiàn)象，就是江西省GDP的增長(zhǎng)快于能源消耗的增長(zhǎng)，這表明江西省萬(wàn)元GDP的能耗在下降，江西省推行的節(jié)能政策取得了一定的效果。

由于能源中以煤炭和石油為主體，這必然導(dǎo)致江西省的碳排放程度較高，而且排放的廢氣和固體危險(xiǎn)物增長(zhǎng)非常突出，2000年工業(yè)排放廢氣為2 220億立方米，而到了2013年該值已經(jīng)增長(zhǎng)到15 574億立方米，增長(zhǎng)了6倍多；同時(shí)，固體危險(xiǎn)物排放從2000年的1.71萬(wàn)噸上升到2013年的44.17萬(wàn)噸，排放量增加了24.8倍。環(huán)境的污染在一定程度上抵消了改革開(kāi)放和工業(yè)發(fā)展帶來(lái)的成果，降低了人們的幸福指數(shù)。

按照我國(guó)能源統(tǒng)計(jì)的基本方法，化石能源可以被分為原煤、洗精煤、型煤、其他洗煤、焦炭、焦?fàn)t煤氣、其它煤氣、其他焦化產(chǎn)品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、其他石油制品和天然氣等共17類(lèi)。我們利用江西省的能源平衡表數(shù)據(jù)來(lái)匯總分析17類(lèi)能源的消耗量，然后利用能源加工轉(zhuǎn)化率來(lái)將17類(lèi)能源品種轉(zhuǎn)化為原煤、原油和天然氣等三大類(lèi)能源產(chǎn)品，采用公式1，計(jì)算出江西省的碳排放總量，并將數(shù)據(jù)繪制成圖3?？梢钥吹浇魇√寂欧帕恳渤尸F(xiàn)出快速增長(zhǎng)的態(tài)勢(shì)，1995年碳排放量為1 566.17萬(wàn)噸，到了2013年已經(jīng)增長(zhǎng)到4 743.3萬(wàn)噸，增長(zhǎng)了2.02倍。比較江西省能源消費(fèi)與碳排放二者的增長(zhǎng)情況，可以發(fā)現(xiàn)江西省的碳排放量變化與GDP及能源消耗呈現(xiàn)出同步增長(zhǎng)態(tài)勢(shì)，尤其是與能源消耗表現(xiàn)出來(lái)高度的協(xié)調(diào)性，這說(shuō)明碳排放主要由能源消耗所決定，由于江西省的能源消耗結(jié)構(gòu)較為穩(wěn)定，所以這種協(xié)調(diào)性較高。

圖1 江西省1995-2013年GDP增長(zhǎng)情況

圖2 江西省1995-2013年:能源消費(fèi)量增長(zhǎng)情況

圖3 江西省1995-2013年:碳排放量增長(zhǎng)情況

(二)預(yù)測(cè)分析

為了能夠預(yù)測(cè)未來(lái)若干年江西省能源消費(fèi)、碳排放的增長(zhǎng)的情況，必須進(jìn)一步分析江西省能源消費(fèi)和碳排放增長(zhǎng)的發(fā)展態(tài)勢(shì)。根據(jù)已有的數(shù)據(jù)，以2013年為基準(zhǔn)，往前推，可以分析往前5年、10年、15年的能源消費(fèi)、碳排放的增長(zhǎng)情況，計(jì)算結(jié)果報(bào)告在表1中。從表1可以看到江西省能源消費(fèi)，5年平均增長(zhǎng)率為5.71%，10年平均增長(zhǎng)率為7.58%,15年平均增長(zhǎng)率為8.94%；碳排放，5年平均增長(zhǎng)率為5.19%，10年平均增長(zhǎng)率為6.85%,15年平均增長(zhǎng)率為8.53%。分析能源消費(fèi)和碳排放年平均增長(zhǎng)率情況可以看到，江西省的年平均增長(zhǎng)率隨著估計(jì)期間的縮短，均在降低，這表明江西省的能源消費(fèi)、碳排放的增長(zhǎng)率在縮小，意味著江西省的節(jié)能減排舉措顯現(xiàn)了明顯的作用，雖然能源消費(fèi)總量和碳排放總量在持續(xù)增長(zhǎng)，但是增長(zhǎng)率呈現(xiàn)下降的趨勢(shì)。

表1 能源消費(fèi)、碳排放增長(zhǎng)率(基準(zhǔn)為2013年,單位：%)

在預(yù)測(cè)過(guò)程中，不管是一般的灰色系統(tǒng)模型(GM)還是非線性灰色伯努利模型(NGBM)，參數(shù)a、b的大小具有決定性的意義，由于GM是NGBM方法的計(jì)算基礎(chǔ)，因此有必要根據(jù)灰色系統(tǒng)模型的計(jì)算原理及非線性灰色伯努利模型的計(jì)算方法，分別算出a、b值。

表2 參數(shù)a、b的計(jì)算值(GM、NGBM模型)

計(jì)算出a、b值后，利用相應(yīng)的計(jì)算方法預(yù)測(cè)江西省能源消費(fèi)、碳排放量，預(yù)測(cè)結(jié)果報(bào)告在表3中。預(yù)測(cè)方法有很多，預(yù)測(cè)的精度如何主要是使用某一段時(shí)間內(nèi)預(yù)測(cè)值與真實(shí)值相比較，觀察其差額，差額較小，則預(yù)測(cè)的精度較高。比較2010年-2013年的江西省能源消費(fèi)量和碳排放量的真實(shí)值與預(yù)測(cè)值，可以發(fā)現(xiàn)預(yù)測(cè)值與真實(shí)值相差不大，這說(shuō)明我們的預(yù)測(cè)方法能夠較好地預(yù)測(cè)這兩變量，預(yù)測(cè)結(jié)果較好。從預(yù)測(cè)結(jié)果可以看到，到2022年江西省的能源消費(fèi)量達(dá)到11 060.1萬(wàn)噸標(biāo)準(zhǔn)煤，碳排放達(dá)到6 282.4萬(wàn)噸；從2014年到2022年江西省能源消費(fèi)量的年均增長(zhǎng)率為4.06%，碳排放量的年均增長(zhǎng)率為3.11%。江西省碳排放量的年均增長(zhǎng)率小于能源消費(fèi)量的年均增長(zhǎng)率，這進(jìn)一步說(shuō)明江西省的能源結(jié)構(gòu)在未來(lái)的幾年內(nèi)有一定的優(yōu)化，碳排放量的增長(zhǎng)率呈下降趨勢(shì)。

表3 江西省能源消費(fèi)量、碳排放量的預(yù)測(cè)結(jié)果(NGBM模型)

四、結(jié)論與啟示

本文在統(tǒng)計(jì)分析江西省經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)及碳排放量現(xiàn)狀的基礎(chǔ)上，使用非線性灰色伯努利模型預(yù)測(cè)了江西省能源消費(fèi)與碳排放的量值。研究發(fā)現(xiàn)江西省的經(jīng)濟(jì)在改革開(kāi)放后增長(zhǎng)迅速，1995-2013年間，名義GDP上增長(zhǎng)了11.25倍，其中工業(yè)經(jīng)濟(jì)發(fā)展做出了重要貢獻(xiàn)。在這種可喜局面的同時(shí)，能源消費(fèi)和碳排放急劇增長(zhǎng)，對(duì)環(huán)境破壞較為明顯。因此，使用科學(xué)的預(yù)測(cè)方法預(yù)測(cè)未來(lái)一定年份的能源消費(fèi)和碳排放的量值，對(duì)于地方政府制定相應(yīng)的政策措施，促進(jìn)地方經(jīng)濟(jì)和諧發(fā)展具有重要意義。我們的研究發(fā)現(xiàn)，整體而言，江西省的能源消費(fèi)總量和碳排放總量在持續(xù)增長(zhǎng)，但是增長(zhǎng)率呈現(xiàn)下降的趨勢(shì)。非線性灰色伯努利模型的預(yù)測(cè)值能較好的達(dá)到預(yù)測(cè)目的，預(yù)測(cè)發(fā)現(xiàn)到2022年江西省的能源消費(fèi)量達(dá)到11 060.1萬(wàn)噸標(biāo)準(zhǔn)煤，碳排放達(dá)到6 282.4萬(wàn)噸；從2014年到2022年江西省能源消費(fèi)量的年均增長(zhǎng)率為4.06%，碳排放量的年均增長(zhǎng)率為3.11%。

研究給我們的政策啟示在于：(1)在準(zhǔn)確預(yù)測(cè)能源消費(fèi)和碳排放的基礎(chǔ)上，進(jìn)一步優(yōu)化江西省的能源結(jié)構(gòu)，盡量使用可再生能源代替化石燃料，降低燃料燃燒帶來(lái)的碳排放，尤其是加大太陽(yáng)能、風(fēng)能、水電能的開(kāi)發(fā)利用及其在江西省工業(yè)生產(chǎn)中的應(yīng)用。(2)繼續(xù)促進(jìn)江西省現(xiàn)代產(chǎn)業(yè)的建設(shè)，尤其要加大對(duì)先進(jìn)制造業(yè)、現(xiàn)代化農(nóng)業(yè)、服務(wù)業(yè)的支持力度，降低江西省對(duì)高能耗、高污染的高碳化工業(yè)的依賴(lài)程度。

[1]AmarawickramaHA,HuntLC.ElectricitydemandforSriLanka:atimeseriesanalysis[J].Energy,2009(33)(1):724-739.

[2]BiancoV,MancaO,NardiniS.ElectricityconsumptionforecastinginItalyusinglinearregressionmodels[J].Energy,2009,34(9):1413-1421.

[3]BowdenN,PayneJE.ShorttermforecastingofelectricitypricesforMISOhubs:evidencefromARIMA-EGARCHmodels[J].EnergyEconomics,2008,30(6):3186-3197.

[4]PappasSS,EkonomouL,karamousantasDC,ChatzarakisGE,KatsikasSK,LiatsisP.ElectricitydemandloadsmodelingusingAutoRegressivemovingaverage(ARMA)models[J].Energy,2008,33(9):1353-1360.

[5]KaynarO,YilmazI,DemirkoparanF.Forecastingofnaturalgasconsumptionwithneuralnetworkandneurofuzzysystem[J].EnergyEducationScienceandTechnology,2011,26:221-238.

[6]AzadehA,KhakestaniM,SaberiM.A?exiblefuzzyregressionalgorithmforforecastingoilconsumptionestimation[J].EnergyPolicy,2009，37:5567-5579.

[7]LiK,SuH.Forecastingbuildingenergyconsumptionwithhybridgeneticalgorithm-hierarchicaladaptivenetwork-basedfuzzyinferencesystem[J].EnergyandBuildings,2010，42:2070-2076.

[8]程勝.基于混沌——神經(jīng)網(wǎng)絡(luò)時(shí)間序列的農(nóng)村能源消費(fèi)預(yù)測(cè)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2009(5).

[9]曾勝.中國(guó)能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)與能源需求預(yù)測(cè)的研究[J].管理評(píng)論，2011(2).

[10]王文超.中國(guó)省區(qū)能源消費(fèi)與二氧化碳排放驅(qū)動(dòng)因素分析及預(yù)測(cè)研究[C].大連：大連理工大學(xué)博士論文，2013.

[11]杜強(qiáng),陳喬,陸寧.基于改進(jìn)IPAT模型的中國(guó)未來(lái)碳排放預(yù)測(cè)[J].環(huán)境科學(xué)學(xué)報(bào)，2012(9).

[12]杜強(qiáng),陳喬,陸寧.基于Logistic模型的中國(guó)各省碳排放預(yù)測(cè)[J].長(zhǎng)江流域資源與環(huán)境，2013(2).

[13]ZhouJ,FangR,LiY,ZhangY,PengB.ParameteroptimizationofnonlineargreyBernoullimodelusingparticleswarmoptimization[J].AppliedMathematicsandComputation,2009:207,292-299.

Forecast Analysis of Energy Consumption and Carbon Emissions in Economic Growth of Jiangxi Province ——Based on Nonlinear Gray Bernoulli Model

LAI Yong-jian， HE Xiang-min

(DepartmentofEconomyandTrade,NanchangInstituteofTechnology,Nanchang,Jiangxi330099)

This article uses the nonlinear gray Bernoulli model to predict the energy consumption and carbon emissions in Jiangxi province in 2014-2022.As a whole,in Jiangxi province,the total energy consumption and carbon emissions in the growth rate show a trend of decline.Nonlinear gray Bernoulli model has good prediction ability,forecasting in 2022 in Jiangxi province the energy consumption will reach 110.601 million tons of standard coal and carbon emissions 62.824 million tons;From 2014 to 2022 in Jiangxi province,the average annual growth rate of energy consumption will be 4.06%,and the annual growth rate of carbon emissions will be 3.11%.

energy consumption; carbon emissions; nonlinear gray Bernoulli model

2015-08-05

江西省社科規(guī)劃青年項(xiàng)目(14YJ35)；江西省教育廳科技項(xiàng)目(GJJ14763)。

賴(lài)永劍，1980年生，男，江西會(huì)昌人，副教授，博士，研究方向：區(qū)域產(chǎn)業(yè)發(fā)展； 賀祥民，1981年生，女，湖南邵東人，講師，研究方向：區(qū)域經(jīng)濟(jì)。

F127

A

1671-9743(2015)09-0017-04