基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)煤炭消費(fèi)和碳排放量預(yù)測(cè)＊

張正球，陳 婭

（湖南大學(xué) 數(shù)學(xué)與計(jì)量經(jīng)濟(jì)學(xué)院，湖南 長(zhǎng)沙 410082）

一 引 言

近年來(lái)，能源的大量消耗給生態(tài)環(huán)境帶來(lái)了巨大的壓力，特別是由于溫室效應(yīng)所導(dǎo)致的氣候變暖已嚴(yán)重威脅到人類(lèi)生產(chǎn)和生活的可持續(xù)發(fā)展。如何正確、有效地應(yīng)對(duì)氣候變化所帶來(lái)的一系列問(wèn)題已成為全球共同面臨的巨大挑戰(zhàn)。目前，我國(guó)是世界上最大的煤炭消費(fèi)國(guó)，二氧化碳的排放量也僅次于美國(guó)，居世界第二位，如何控制和減少碳排放已成為我國(guó)政府亟需解決的問(wèn)題。我國(guó)政府在哥本哈根會(huì)議上承諾：到2020年，單位GDP碳排放強(qiáng)度比2005年降低40%～45%，并將其作為約束性指標(biāo)納入社會(huì)和國(guó)民經(jīng)濟(jì)發(fā)展的中長(zhǎng)期規(guī)劃。對(duì)我國(guó)未來(lái)的煤炭消費(fèi)和碳排放量進(jìn)行科學(xué)預(yù)測(cè)，能夠幫助有關(guān)部門(mén)制定更合理、更符合中國(guó)發(fā)展實(shí)情的能源政策和環(huán)境政策，能夠更好地推動(dòng)國(guó)民經(jīng)濟(jì)又好又快發(fā)展。

國(guó)內(nèi)外已有不少學(xué)者研究了煤炭消耗與碳排放問(wèn)題，如Zhang X．P．等［1］研究了我國(guó)經(jīng)濟(jì)發(fā)展、能源消耗和碳排放的格蘭杰因果關(guān)系的存在及其方向；Chang C．C．［2］利用多變量整協(xié)的檢驗(yàn)方法研究了我國(guó)碳排放、能源消耗和經(jīng)濟(jì)發(fā)展之間的關(guān)系［2］；Li F．等［3］利用面板單位根與異構(gòu)的面板協(xié)整關(guān)系研究了我國(guó)大陸30個(gè)省市的經(jīng)濟(jì)發(fā)展與能源消耗的關(guān)系；張會(huì)新等［4］運(yùn)用三角灰色系統(tǒng)模型預(yù)測(cè)煤炭消費(fèi)量，得出了短期內(nèi)煤炭消費(fèi)量會(huì)隨著GDP增長(zhǎng)而逐年增加的結(jié)論；張興平等［5］用1980～2005年的數(shù)據(jù)對(duì)我國(guó)煤炭消費(fèi)進(jìn)行協(xié)整分析，認(rèn)為煤炭消費(fèi)與國(guó)內(nèi)生產(chǎn)總值（GDP）、結(jié)構(gòu)變化和效率之間存在長(zhǎng)期均衡關(guān)系；田立新等［6］通過(guò)建立一系列微分方程對(duì)我國(guó)人口、GDP、煤炭消耗以及碳排放進(jìn)行預(yù)測(cè)；宋杰鯤等［7］選取了人口、城鎮(zhèn)化率、人均GDP等6個(gè)因素為自變量，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建我國(guó)碳排放預(yù)測(cè)模型，并對(duì)2010～2015年我國(guó)碳排放量進(jìn)行預(yù)測(cè)。

上述研究都是在探尋煤炭消費(fèi)（或碳排放量）與人口、GDP等因素之間的關(guān)系，本文擬基于煤炭消費(fèi)和碳排放量的歷年數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡(luò)方法建立煤炭消費(fèi)和碳排放量的趨勢(shì)預(yù)測(cè)模型，并對(duì)未來(lái)幾年的煤炭消費(fèi)和碳排放量進(jìn)行預(yù)測(cè)。

二 煤炭消費(fèi)和碳排放量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于預(yù)測(cè)有三種方式：回歸預(yù)測(cè)、趨勢(shì)預(yù)測(cè)和組合預(yù)測(cè)。本文擬采用神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)的思路，建立3層BP神經(jīng)網(wǎng)絡(luò)，輸入變量是歷年煤炭消費(fèi)量和碳排放量，中間為隱含層，通過(guò)調(diào)整神經(jīng)元之間的連接權(quán)值來(lái)使網(wǎng)絡(luò)逼近實(shí)際值，最后一層為輸出層，輸出煤炭消費(fèi)量和碳排放量，最后再運(yùn)用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。

（一）輸入輸出變量的確定及樣本預(yù)處理

選取1994～2013年的煤炭消費(fèi)和碳排放量作為總體樣本，其中把前15年的數(shù)據(jù)作為訓(xùn)練樣本，后5年的數(shù)據(jù)作為檢驗(yàn)樣本。輸入變量為歷年煤炭消費(fèi)和碳排放量數(shù)據(jù)，輸出變量為未來(lái)年份的煤炭消費(fèi)和碳排放量數(shù)據(jù)。我們采用最大－最小規(guī)范化的方法對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理，具體如下：

式中x為原始樣本數(shù)據(jù)，xmax，xmin分別為原始數(shù)據(jù)中的最大、最小值；x′為歸一化變換后的數(shù)據(jù)。歸一化后的數(shù)據(jù)如表1。

（二）BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立

通常采用Sigmoid函數(shù)（S型函數(shù)）作為BP神經(jīng)網(wǎng)絡(luò)算法中的神經(jīng)元激活函數(shù)，即

本模型的輸出層為單一的煤炭消費(fèi)量或碳排放量，用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測(cè)的具體步驟如下：

（1）樣本歸一化處理，使所有數(shù)據(jù)的值處于（0，1）之間；

（2）確定網(wǎng)絡(luò)的初始結(jié)構(gòu)；

（3）設(shè)定網(wǎng)絡(luò)的訓(xùn)練函數(shù)、學(xué)習(xí)函數(shù)、傳遞函數(shù)、訓(xùn)練步數(shù)及訓(xùn)練精度；

（4）權(quán)值和閥值初始化，第一次取值盡可能??；

（5）訓(xùn)練網(wǎng)絡(luò)；

（6）判斷網(wǎng)絡(luò)是否快速收斂且達(dá)到誤差要求，若沒(méi)有，則返回（4）；

（7）由檢驗(yàn)樣本得到網(wǎng)絡(luò)預(yù)測(cè)值，比較預(yù)測(cè)值和實(shí)際值，看預(yù)測(cè)誤差是否達(dá)到要求，若沒(méi)有，則返回（4）；

某水利樞紐正常運(yùn)行期近壩區(qū)域流場(chǎng)數(shù)值模擬…………………………………………………王靜靜，王金磊（1.66）

（8）進(jìn)行目標(biāo)預(yù)測(cè)并繪制相應(yīng)圖表。

表1 煤炭消費(fèi)和碳排放量歸一化數(shù)據(jù)

除最大訓(xùn)練步長(zhǎng)和目標(biāo)誤差兩個(gè)參數(shù)外，其他參數(shù)都采用缺省值。用檢驗(yàn)樣本檢驗(yàn)訓(xùn)練好的網(wǎng)絡(luò)，以判斷網(wǎng)絡(luò)的泛化性能，若第一次訓(xùn)練后得到的預(yù)測(cè)模型不理想，則需要進(jìn)行多次訓(xùn)練。

（三）實(shí)證分析

（1）煤炭消費(fèi)量預(yù)測(cè)分析

依據(jù)1994～2013年的煤炭消費(fèi)量數(shù)據(jù)，擬建一個(gè)三層神經(jīng)網(wǎng)絡(luò)，輸入層為5個(gè)節(jié)點(diǎn)，依次為歷年煤炭消費(fèi)量，隱層節(jié)點(diǎn)數(shù)的選取依據(jù)2n＋1的經(jīng)驗(yàn)方法，先設(shè)定11個(gè)節(jié)點(diǎn)，輸出層為1個(gè)節(jié)點(diǎn)，為下一年的煤炭消費(fèi)量，則網(wǎng)絡(luò)的初始結(jié)構(gòu)為5×11×1，再依據(jù)訓(xùn)練情況逐步調(diào)整。第一次訓(xùn)練：訓(xùn)練函數(shù)設(shè)為trainlm，學(xué)習(xí)函數(shù)為tansig，傳遞函數(shù)為purelin，訓(xùn)練步數(shù)為5000，訓(xùn)練精度為0．00001，訓(xùn)練收斂極快。但當(dāng)把檢驗(yàn)樣本輸入進(jìn)行檢驗(yàn)時(shí)效果極差，無(wú)法進(jìn)行預(yù)測(cè)。進(jìn)行多次訓(xùn)練后得到2014年煤炭消費(fèi)量的預(yù)測(cè)值。

圖1為第一次訓(xùn)練后的煤炭消費(fèi)量預(yù)測(cè)結(jié)果圖，圖2為多次訓(xùn)練后的煤炭消費(fèi)量預(yù)測(cè)結(jié)果圖。

圖1 第一次訓(xùn)練后的預(yù)測(cè)結(jié)果圖

圖2 多次訓(xùn)練后的預(yù)測(cè)結(jié)果圖

網(wǎng)絡(luò)檢驗(yàn)值如表2：

表2 煤炭消費(fèi)量檢驗(yàn)表（萬(wàn)噸標(biāo)準(zhǔn)煤）

從上表看，檢驗(yàn)樣本的誤差及誤差率較小，具有較好的擬合效果，故依此神經(jīng)網(wǎng)絡(luò)模型可以較好地預(yù)測(cè)2014年的煤炭消費(fèi)量。

依據(jù)神經(jīng)網(wǎng)絡(luò)趨勢(shì)滾動(dòng)預(yù)測(cè)的原理，我們將預(yù)測(cè)得到的2014年的煤炭消費(fèi)量作為已知量，以1995～2014年的煤炭消費(fèi)量為樣本數(shù)據(jù)，再依據(jù)上述同樣的方法建立神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過(guò)多次網(wǎng)絡(luò)訓(xùn)練，預(yù)測(cè)2015年的煤炭消費(fèi)量。

依此類(lèi)推可得到2014～2020年的煤炭消費(fèi)量預(yù)測(cè)值如表3：

表3 煤炭消費(fèi)量預(yù)測(cè)值表（萬(wàn)噸標(biāo)準(zhǔn)煤）

總體的煤炭消費(fèi)量趨勢(shì)如圖3。

圖3 煤炭消費(fèi)量趨勢(shì)圖

（2）碳排放量預(yù)測(cè)分析

對(duì)于碳排放量的預(yù)測(cè)，仍然把訓(xùn)練函數(shù)設(shè)為trainlm，學(xué)習(xí)函數(shù)為tansig，傳遞函數(shù)為purelin，訓(xùn)練步數(shù)為5000，訓(xùn)練精度為0．00001。多次訓(xùn)練后得到較為滿(mǎn)意的結(jié)果。圖4為多次訓(xùn)練后的碳排放量預(yù)測(cè)結(jié)果圖。

圖4 多次訓(xùn)練后的預(yù)測(cè)結(jié)果圖

網(wǎng)絡(luò)檢驗(yàn)值如表4。

從表4可知，檢驗(yàn)樣本的誤差及誤差率較小，具有較好的擬合效果，故依此神經(jīng)網(wǎng)絡(luò)模型可以較好地預(yù)測(cè)2014年的碳排放量。

同樣地，依據(jù)神經(jīng)網(wǎng)絡(luò)趨勢(shì)滾動(dòng)預(yù)測(cè)的原理，我們將預(yù)測(cè)得到的2014年的碳排放量作為已知量，以1995～2014年的碳排放量為樣本數(shù)據(jù)依據(jù)上述同樣的方法建立神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)2015年的碳排放量，依此類(lèi)推，可得到2014～2020年的碳排放量預(yù)測(cè)值及趨勢(shì)圖：

表4 碳排放量檢驗(yàn)表（億噸）

表5 碳排放量預(yù)測(cè)值表（億噸）

圖5 碳排放量趨勢(shì)圖

三 結(jié)論和建議

本文基于1994～2013年的煤炭消費(fèi)量和碳排放量數(shù)據(jù)，建立BP神經(jīng)網(wǎng)絡(luò)趨勢(shì)預(yù)測(cè)模型，預(yù)測(cè)了2014～2020年的煤炭消費(fèi)量和碳排放量。從2015年開(kāi)始到2020年這6年的預(yù)測(cè)值均是將之前所得到的預(yù)測(cè)數(shù)據(jù)作為樣本數(shù)據(jù)而進(jìn)行的，雖然在預(yù)測(cè)上可能會(huì)將誤差擴(kuò)大，但是在每一年的預(yù)測(cè)中，所建立的預(yù)測(cè)模型的誤差及誤差率較小，故此趨勢(shì)預(yù)測(cè)還是能比較準(zhǔn)確地描述未來(lái)幾年的煤炭消費(fèi)和碳排放量的變化趨勢(shì)。從所表現(xiàn)的趨勢(shì)來(lái)看，未來(lái)幾年的煤炭消費(fèi)和碳排放量依舊呈遞增的趨勢(shì)，且增長(zhǎng)率不會(huì)出現(xiàn)太大的變動(dòng)，均在一定范圍內(nèi)的增長(zhǎng)幅度間遞增。［8］根據(jù)表2，表4的煤炭消費(fèi)量檢驗(yàn)表和碳排放量檢驗(yàn)表，由所建的神經(jīng)網(wǎng)絡(luò)模型所做的預(yù)測(cè)的相對(duì)誤差均較小，預(yù)測(cè)模型的預(yù)測(cè)效果比較好。

通過(guò)對(duì)我國(guó)煤炭消費(fèi)和碳排放量的預(yù)測(cè)，可以看出我國(guó)節(jié)能減排的道路依舊艱辛，為此提出如下政策建議：

1．依靠科技進(jìn)步和政策引導(dǎo)，提高能源利用效率，大力開(kāi)發(fā)使用新能源。我國(guó)的能源儲(chǔ)存結(jié)構(gòu)和經(jīng)濟(jì)結(jié)構(gòu)決定了我國(guó)以煤炭為主的能源結(jié)構(gòu)在短期內(nèi)不大可能改變，應(yīng)加強(qiáng)科技創(chuàng)新，提高煤炭利用效率，勘探開(kāi)發(fā)新能源，為將來(lái)的能源結(jié)構(gòu)轉(zhuǎn)化提供科技保障，建立穩(wěn)定、經(jīng)濟(jì)、安全的能源供應(yīng)體系。同時(shí)提高碳的循環(huán)利用，減少碳排放。

2．積極借鑒國(guó)際先進(jìn)經(jīng)驗(yàn)，完善能源法律法規(guī)，建立我國(guó)能源安全的預(yù)警機(jī)制、儲(chǔ)備機(jī)制和危機(jī)應(yīng)急機(jī)制。完善大氣環(huán)境污染檢測(cè)體系，加強(qiáng)與世界各國(guó)聯(lián)系，共同應(yīng)對(duì)全球變暖危機(jī)。加大有關(guān)部門(mén)的執(zhí)法力度，加大違法行為的懲治力度，共同營(yíng)造良好的能源環(huán)境和大氣環(huán)境。

只有更堅(jiān)定的堅(jiān)持節(jié)能減排，加強(qiáng)國(guó)家的宏觀減排調(diào)控力度，加強(qiáng)科技創(chuàng)新，加大執(zhí)法力度、懲治力度，才能有效地減少煤炭消費(fèi)和碳排放量，才能更好地走可持續(xù)發(fā)展的道路。

［1］ Zhang X．P，Cheng X．M．Energy consumption，carbon emissions，and economic growth in China［J］．Ecological Economics，2009，68（10）：2706－2712．

［2］ Chang C．C．A multivariate causality test of carbon dioxide emissions，energy consumption and and economic growth in China［J］．Applied Energy，2010，87（11）：3533－3537．

［3］ Li F，Dong S．C，Li X，Liang Q．X，Yang W．Z．Energy consumption－economic growth relationship and carbon dioxide emissions in China［J］．Energy Policy，2011，39（2）：568－574．

［4］ 張會(huì)新，白嘉．基于三角灰色系統(tǒng)模型的煤炭消費(fèi)預(yù)測(cè)［J］．統(tǒng)計(jì)與決策，2011，（23）：38－40．

［5］ 張興平，趙旭，顧蕊．我國(guó)煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)關(guān)系的多變量協(xié)整分析［J］．煤炭學(xué)報(bào)，2008，33（6）：713－716．

［6］ 田立新，高琳琳．利用微分方程建立煤炭消耗及碳排放量預(yù)測(cè)模型［J］．能源技術(shù)與管理，2012，（2）：161－164．

［7］ 宋杰鯤，張宇．基于BP神經(jīng)網(wǎng)絡(luò)的我國(guó)碳排放情景預(yù)測(cè)［J］．科學(xué)技術(shù)與工程，2011，11（17）：4108－4111＋4116．

［8］ 鄧明君，羅文兵．國(guó)際碳足跡研究前沿演進(jìn)的可視化［J］．湖南科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013，（3）：94－98．