中國工業(yè)碳排放達峰預(yù)測及控制因素研究
——基于BP-LSTM神經(jīng)網(wǎng)絡(luò)模型的實證分析

胡劍波 趙 魁，2 楊苑翰

(1.貴州財經(jīng)大學(xué)，貴州 貴陽 550025；2.貴州師范大學(xué)，貴州 貴陽 550025；3.悉尼大學(xué)，澳大利亞 悉尼 2000)

一、引言

工業(yè)革命以來，人類活動沖擊了原有碳循環(huán)系統(tǒng)中碳源(碳排放)和碳匯(碳吸收)的平衡，化石能源的使用導(dǎo)致大氣中二氧化碳濃度不斷上升，引發(fā)了溫室效應(yīng)和全球氣候變暖。按照政府間氣候變化專門委員會(IPCC)的預(yù)測，到2100年全球平均溫度將比工業(yè)革命之前的水平高1.5～4.8度，如果不采取應(yīng)對措施，按照現(xiàn)有趨勢，氣候變化對人類社會經(jīng)濟的沖擊將日益嚴(yán)重。氣候問題具有超大時空尺度的外部性，需要全球協(xié)同應(yīng)對。2017年，29個國家簽署《碳中和聯(lián)盟聲明》，承諾在21世紀(jì)中葉實現(xiàn)零碳排放；2019年9月，在聯(lián)合國峰會上有66個國家承諾實現(xiàn)碳中和愿景；2020年5月，全球449個城市參與了由聯(lián)合國氣候?qū)＜姨岢龅牧闾几傎?；截?021年1月，有127個國家承諾在21世紀(jì)中葉實現(xiàn)碳中和愿景。[1]目前，不丹、蘇里南等國家已實現(xiàn)碳中和目標(biāo)，英國、瑞典、法國、新西蘭等國已將碳中和目標(biāo)寫入法律。

碳達峰、碳中和將給人類社會帶來長遠的收益。碳達峰是指某個地區(qū)或行業(yè)年度二氧化碳排放量達到歷史最高值，然后經(jīng)歷平臺期進入持續(xù)下降的過程，是二氧化碳排放量由增轉(zhuǎn)降的歷史拐點，標(biāo)志著碳排放與經(jīng)濟發(fā)展實現(xiàn)脫鉤，達峰目標(biāo)包括達峰年份和峰值。碳中和是指某個地區(qū)在一段時期內(nèi)(一般指一年)人為活動直接和間接排放的二氧化碳，與其通過植樹造林等吸收的二氧化碳相互抵消，實現(xiàn)二氧化碳“凈零排放”。碳達峰與碳中和緊密相連，前者是后者的基礎(chǔ)和前提，達峰時間的早晚和峰值的高低直接影響碳中和實現(xiàn)的時長和實現(xiàn)的難度；而后者是對前者的緊約束，要求碳達峰行動方案必須要在實現(xiàn)碳中和的引領(lǐng)下制定。[2]2020年9月，習(xí)近平總書記在第七十五屆聯(lián)合國大會一般性辯論上的講話中提出“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，力爭于2030年前二氧化碳排放達到峰值，努力爭取2060年前實現(xiàn)碳中和”，并在12月氣候雄心峰會上進一步宣布了我國國家自主貢獻的四項新舉措。習(xí)近平總書記強調(diào)，實現(xiàn)碳達峰、碳中和是一場廣泛而深刻的經(jīng)濟社會系統(tǒng)性變革，要把碳達峰、碳中和納入生態(tài)文明建設(shè)整體布局。碳達峰目標(biāo)與碳中和愿景，彰顯了中國積極應(yīng)對氣候變化、走綠色低碳發(fā)展道路的堅定決心，體現(xiàn)了中國主動承擔(dān)應(yīng)對氣候變化國際責(zé)任、推動構(gòu)建人類命運共同體的責(zé)任擔(dān)當(dāng)，為全球氣候治理進程注入了強大的政治推動力，受到國際社會高度贊譽，是中國為應(yīng)對全球氣候變化作出的新的重大貢獻。

改革開放以來，我國經(jīng)濟社會持續(xù)快速發(fā)展，經(jīng)濟實力、科技實力、綜合國力不斷邁向新臺階，在經(jīng)濟社會快速發(fā)展的同時，我國加快推進綠色低碳轉(zhuǎn)型、積極參與全球氣候治理，取得了顯著成效，但我國產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)轉(zhuǎn)型任務(wù)仍然任重道遠。據(jù)世界銀行(World Bank，WB)數(shù)據(jù)顯示，中國是世界上工業(yè)門類最齊全的國家，有220多種工業(yè)品產(chǎn)量居全球第一。但由于工業(yè)化起步晚、行業(yè)覆蓋面廣，當(dāng)前，仍有很多高能耗、高排放和低附加值的工業(yè)行業(yè)，以致于工業(yè)碳排放達峰成為全國碳達峰的關(guān)鍵所在。在三次產(chǎn)業(yè)的碳排放總量中，第二產(chǎn)業(yè)的碳排放量最高；在第二產(chǎn)業(yè)內(nèi)，工業(yè)是最大的能源消耗與碳排放部門，對能源結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、技術(shù)升級等影響巨大。[3]因此，研究工業(yè)碳排放對于碳達峰目標(biāo)和碳中和愿景有著積極且重要的意義。

國家統(tǒng)計局數(shù)據(jù)顯示，2000—2020年我國能源消費總量逐年增加，從2000年的14.70億噸標(biāo)準(zhǔn)煤上升到2020年的49.80億噸標(biāo)準(zhǔn)煤，年均增長6.29%。工業(yè)行業(yè)(包括3大門類，即采礦業(yè)，制造業(yè)，電力、熱力、燃氣及水生產(chǎn)和供應(yīng)業(yè)，下面簡稱為“電力業(yè)”)能源消費占比從2000年的70.09%，經(jīng)過略微的上升之后于2007年達到峰值72.51%，隨后雖然有所下降，但截至2019年其占比仍然高達66.16%(見圖1)。由此可見，工業(yè)碳排放達峰是全國碳達峰工作中極其重要的組成部分。

圖1 2000～2019年中國工業(yè)與其他行業(yè)能源消費量對比

鑒于我國整體實現(xiàn)碳排放達峰目標(biāo)不足10年，達成碳中和愿景有將近40年，前者是后者實現(xiàn)的基礎(chǔ)；加之在預(yù)測研究中年限越久遠，其精度越差。因此本文將重點解決的問題聚焦在預(yù)測工業(yè)能否于2030年前實現(xiàn)碳達峰，以及調(diào)控哪些因素可促使目標(biāo)的順利實現(xiàn)。

二、文獻綜述

國內(nèi)外學(xué)者關(guān)于工業(yè)行業(yè)碳排放和碳達峰的相關(guān)研究主要集中在以下兩個方面：一是關(guān)于工業(yè)碳排放影響因素的研究，二是關(guān)于碳達峰的預(yù)測模型及其情景分析。

在關(guān)于工業(yè)碳排放的影響因素分析中，其變動主要受到規(guī)模、結(jié)構(gòu)、技術(shù)和環(huán)境規(guī)制等因素影響。郭朝先等證明碳排放量與工業(yè)產(chǎn)業(yè)規(guī)模的關(guān)聯(lián)最為明顯[4]，林伯強和蔣竺均發(fā)現(xiàn)工業(yè)能源強度對二氧化碳排放量有顯著影響[5]，蘇永樂等更進一步，認為能源強度對碳排放量的抑制作用最強，其次是產(chǎn)業(yè)結(jié)構(gòu)，最后是能源結(jié)構(gòu)。[6]結(jié)構(gòu)方面，中國東中西部地區(qū)結(jié)構(gòu)不平衡，[7]工業(yè)高排放產(chǎn)業(yè)規(guī)模大，國際分工與出口產(chǎn)業(yè)科技含量不足，[8]都制約著工業(yè)碳排放達峰的盡早到達。技術(shù)和環(huán)境規(guī)制則是降低碳排放量的有效方式，發(fā)展綠色金融[9]、提升工業(yè)產(chǎn)業(yè)附加值[10]、發(fā)展碳捕獲、利用與封存(CUUS)技術(shù)[11]，建立碳稅及碳交易市場[12]，均能緩解工業(yè)碳排放量。此外，大自然在碳減排過程中扮演著重要的角色，森林生態(tài)系統(tǒng)可以吸收人類排放總碳量的48.7%[13]，海洋可以吸收約30%。[14]

在關(guān)于碳達峰的預(yù)測模型與情景分析中，當(dāng)前主要有LMDI分解模型、Kaya恒等式、STIRPAT模型及BP神經(jīng)網(wǎng)絡(luò)等。Paul最先提出LMDI因素分解法，即保持其他因素變量不變的條件下，分別對各變量微分，從而求出各因素變化對目標(biāo)量的影響；[15]由于易于計算和便于理解，其被廣泛應(yīng)用于能源環(huán)境經(jīng)濟領(lǐng)域的分解分析和研究。[16]國內(nèi)一般將LMDI分解法[17]、以及改進的LMDI分解法[18]同情景預(yù)測結(jié)合起來對工業(yè)碳排放進行研究。Kaya將社會、經(jīng)濟、能源、排放作為溫室氣體排放的影響因子，此后該恒等式作為IPCC常用的方法。[19][20]Dietz與Rosa為了降低IPAT模型的局限性提出了STIRPAT模型[21]，碳排放的影響因素主要分解為人口規(guī)模、經(jīng)濟發(fā)展水平、技術(shù)水平。國內(nèi)學(xué)者對STIRPAT模型進行適當(dāng)改進后，用于工業(yè)碳排放影響因素的相關(guān)研究，并取得較為豐富的研究成果。[22][23]然而現(xiàn)實經(jīng)濟社會的發(fā)展往往是非線性的，BP神經(jīng)網(wǎng)絡(luò)因具有誤差反向傳播特性，擁有自學(xué)習(xí)、自組織、自適應(yīng)能力等優(yōu)點，學(xué)者王艷旭、趙金元等實證顯示BP神經(jīng)網(wǎng)絡(luò)比多元線性回歸模型有更好的預(yù)測精度，在工業(yè)碳排放量的預(yù)測分析中有一定的應(yīng)用。[24][25]預(yù)測的具體過程一般是將不同因素與高、中、低幾種情景單獨或者組合起來進行情景預(yù)測，選擇相應(yīng)的指標(biāo)如國內(nèi)生產(chǎn)總值的發(fā)展速度，分為高、中、低三種不同的速度下，對未來不同情景下的碳排放達峰進行預(yù)測。余碧瑩等根據(jù)不同情景分析得出全國碳排放量有望于2025年實現(xiàn)達峰，最晚于2030年達峰。[26]蔡博峰等預(yù)測中國2027年左右達峰，達峰后經(jīng)歷5～7年平臺期。[27]李政等預(yù)測電力行業(yè)碳排放達峰的時間在不同情景下分別為2023及2029年[28]，吳鄖等預(yù)測發(fā)電碳排放量峰值可能出現(xiàn)在40億～42億噸。[29]

綜上所述，已有文獻對工業(yè)碳排放及碳達峰問題進行了大量研究，取得了較為豐富的研究成果，但仍然存在如下有待完善之處：第一，缺乏控制性變量的明確闡述及分析。在已有文獻中，多數(shù)以單因素或多因素復(fù)合情景假設(shè)進行預(yù)測，然而實際經(jīng)濟發(fā)展往往是變量間耦合動態(tài)發(fā)展的，很難按照某一種提前假設(shè)的路徑發(fā)展下去；另一方面，2020年中國全面建成小康社會的實際經(jīng)驗證明，我國有能力通過對某些關(guān)鍵變量的合理控制，從而實現(xiàn)碳達峰目標(biāo)。簡而言之，研究變量控制比情景預(yù)測更符合工業(yè)碳排放達峰這一課題。第二，缺少神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用。神經(jīng)網(wǎng)絡(luò)模型對非線性系統(tǒng)有良好的擬合效果，更適用于工業(yè)碳排放達峰的擬合及預(yù)測?，F(xiàn)在采用神經(jīng)網(wǎng)絡(luò)研究碳達峰的文獻非常少，研究工業(yè)碳排放達峰的更是鮮有涉及。

基于此，本文以STIRPAT模型為基礎(chǔ)，合理選擇工業(yè)碳排放的影響因素，并將其分為宏觀調(diào)控中能影響工業(yè)碳排放達峰的關(guān)鍵因素作為控制變量，其余為非控制變量；在此基礎(chǔ)上利用2000—2020年數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型；對于2021—2030年的自變量，非控制變量采用LSTM神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測，控制變量采用逆推法得出，將兩類數(shù)據(jù)代入BP預(yù)測模型可對工業(yè)碳達峰進行預(yù)測，還可對控制變量進行敏感性分析，為中國工業(yè)碳排放達峰目標(biāo)的實現(xiàn)提供一定的參考借鑒。本文的技術(shù)路線圖參考圖2。

圖2 技術(shù)路線圖

三、中國工業(yè)碳排放因素分解模型構(gòu)建

(一)因素分解模型及變量選取

STIRPAT模型是由IPAT模型拓展而來的，可以在模型中引入多個規(guī)模、結(jié)構(gòu)和技術(shù)相關(guān)的獨立變量Ι=aPbΑcΤde

(1)

式中：I為環(huán)境壓力；a為模型系數(shù)；b，c，d分別為人口、財富、技術(shù)水平的彈性系數(shù)；e為模型誤差；P為人口數(shù)量；A為財富量；T為技術(shù)水平。STIRPAT模型在碳排放預(yù)測方面的應(yīng)用往往是將P，A，T這3個變量進行分解或改進。

本文研究的是中國工業(yè)碳排放達峰問題，因此對STIRPAT模型的影響因素做了適當(dāng)改進，具體公式和含義如下：

C=β0Q1β1Q2β2…Q9β9S10β10S11β11…S17β17T18β18T19β19e

(2)

式中，C表示因變量“工業(yè)碳排放量(萬噸)”；Q表示自變量中的“規(guī)模因素”，包括全國年末總?cè)藬?shù)(萬人)、工業(yè)增加值(億元)、工業(yè)3大門類城鎮(zhèn)單位就業(yè)人數(shù)(萬人)、工業(yè)3大門類能源消費總量(萬噸標(biāo)準(zhǔn)煤)以及森林蓄積量(億立方米)，小計9個變量；S表示自變量中的“結(jié)構(gòu)因素”，其中，“人口城鄉(xiāng)結(jié)構(gòu)”用年末城鎮(zhèn)人口比率(%)、“能源結(jié)構(gòu)”用工業(yè)3大門類分別占工業(yè)能源消費比例(%)，“產(chǎn)業(yè)結(jié)構(gòu)”用工業(yè)3大門類分別占規(guī)模以上工業(yè)企業(yè)主營業(yè)務(wù)增加值比例(%)，“貿(mào)易結(jié)構(gòu)”用人民幣兌美元匯率(元)分別計量，小計8個變量；T表示自變量中的“技術(shù)因素”，其中，“化石能源利用效率”用發(fā)電及電站供熱總效率(%)，“非化石能源消費比重”用一次電力(1)一次電力是指水電、核電、風(fēng)電以及太陽能發(fā)電所發(fā)出的電力。及其他能源占一次能源生產(chǎn)總量的比重(%)分別計量，小計2個變量。具體指標(biāo)及其說明見表1所示。

(二)數(shù)據(jù)來源與處理

工業(yè)在國民經(jīng)濟中屬于第二產(chǎn)業(yè)，與之并列的是建筑業(yè)；工業(yè)往下可劃分為3大門類，根據(jù)最新的2017年國民經(jīng)濟行業(yè)分類(GB/T 4754—2017)，采礦業(yè)涵蓋7個大類，制造業(yè)涵蓋31個大類，電力業(yè)涵蓋3個大類，共計41個大類(見圖3)。

圖3 中國產(chǎn)業(yè)結(jié)構(gòu)細分圖

工業(yè)碳排放研究相關(guān)數(shù)據(jù)主要來源于國家統(tǒng)計局網(wǎng)站，限于部分數(shù)據(jù)的可得性，因此用EPS數(shù)據(jù)平臺作為補充，個別數(shù)據(jù)如森林蓄積量、工業(yè)細分行業(yè)增加值等缺失情況，通過DPS數(shù)據(jù)處理系統(tǒng)V15.10采用指數(shù)平滑法進行處理。根據(jù)國際能源署(IEA)2018年數(shù)據(jù)顯示，從能源結(jié)構(gòu)看，全球二氧化碳的排放中，煤炭的燃燒和使用貢獻了約44%的二氧化碳排放量，石油貢獻了約34%，天然氣貢獻了約21%，其他能源碳排放量占比不到1%。本文因變量工業(yè)碳排放量依據(jù)中國能源消費數(shù)據(jù)，即以2000—2020年工業(yè)3大門類(包括41個大類)逐年的煤炭、原油及天然氣三種能源消費量為基礎(chǔ)，采用IPCC方法及相關(guān)碳排放系數(shù)進行計算，全國三次產(chǎn)業(yè)碳排放總量，工業(yè)及其內(nèi)部3大門類產(chǎn)業(yè)碳排放量情況如表2所示。

表1 中國工業(yè)碳排放量預(yù)測模型指標(biāo)表

表2 2000—2020年中國工業(yè)碳排放量 (單位：萬噸)

自變量中的全國年末總?cè)丝?、工業(yè)增加值、工業(yè)3大門類城鎮(zhèn)單位就業(yè)人數(shù)、工業(yè)3大門類能源消費總量、森林蓄積量、人民幣兌美元匯率、發(fā)電及電站供熱總效率、一次電力及其他能源占能源總量的比重可以通過國家統(tǒng)計局網(wǎng)站、能源數(shù)據(jù)庫和工業(yè)數(shù)據(jù)庫整理得到；城鎮(zhèn)人口比率、工業(yè)3大門類能源消費占工業(yè)比重可以通過簡單的計算得出；相對難的是產(chǎn)業(yè)結(jié)構(gòu)變量，由于2003年、2012年和2017年中國工業(yè)統(tǒng)計方式有所調(diào)整，工業(yè)分行業(yè)的增加值(3)工業(yè)增加值指工業(yè)企業(yè)在報告期內(nèi)以貨幣表現(xiàn)的工業(yè)生產(chǎn)活動的最終成果。按照《中國統(tǒng)計年鑒》或《中國工業(yè)交通能源50年統(tǒng)計資料匯編》的解釋，工業(yè)增加值有兩種計算方法：一是生產(chǎn)法，計算公式為工業(yè)增加值=工業(yè)總產(chǎn)值-工業(yè)中間投入+應(yīng)繳增值稅；二是收入法，計算公式為工業(yè)增加值=固定資產(chǎn)折舊+勞動者報酬+生產(chǎn)稅凈額+營業(yè)盈余。目前，工業(yè)統(tǒng)計主要采用生產(chǎn)法計算工業(yè)增加值。數(shù)據(jù)難以獲得，本文采用工業(yè)分行業(yè)規(guī)模以上企業(yè)主營業(yè)務(wù)收入減去主營業(yè)務(wù)成本進行代替，因此，工業(yè)結(jié)構(gòu)因素中的產(chǎn)業(yè)結(jié)構(gòu)變量用各年工業(yè)3大門類主營業(yè)務(wù)增加值的比例作為自變量。

四、中國工業(yè)碳排放達峰的預(yù)測及其控制

本文構(gòu)建BP-LSTM神經(jīng)網(wǎng)絡(luò)模型作為計量分析的核心模型，先用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練出符合精度要求的預(yù)測模型，然后代入用LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測的非控制性變量和用2030目標(biāo)值逆推估算出的控制變量，用于中國工業(yè)碳排放達峰的預(yù)測及分析。

(一)方法選取

神經(jīng)網(wǎng)絡(luò)模型近年來在許多領(lǐng)域發(fā)揮了重要作用，主要包含BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network，RNN)等。BP神經(jīng)網(wǎng)絡(luò)于1985年由Rumelhart等人提出的一種多層次反饋型神經(jīng)網(wǎng)絡(luò)，1990年Robert Hecht-Nielson證明了一個三層BP網(wǎng)絡(luò)可以完成任意n維到m維的映射。[30]圖4是一個三層BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖，輸入層節(jié)點數(shù)為n，隱含層節(jié)點數(shù)為m，圖中Wik(i=1，2，…，n；k=1，2，…，m)為輸入層第i節(jié)點到隱含層第k節(jié)點的權(quán)值；Wk(k=1，2，…，m)為隱含層第k個節(jié)點到輸出層的權(quán)值。BP算法主要思想是：輸入學(xué)習(xí)樣本，采用最速下降法，通過誤差反向傳播不斷迭代以調(diào)整網(wǎng)絡(luò)權(quán)值，使輸出向量與期望向量盡量接近；當(dāng)網(wǎng)絡(luò)輸出層誤差平方和小于指定值時訓(xùn)練完成，保存網(wǎng)絡(luò)的權(quán)值及偏差。[31]

圖4 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

LSTM神經(jīng)網(wǎng)絡(luò)是長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory，LSTM)的簡稱，源于Hochreiter、Schmidhuber等人基于RNN循環(huán)神經(jīng)網(wǎng)絡(luò)所改進的模型，[32]有效地解決了長距離依賴問題。LSTM神經(jīng)網(wǎng)絡(luò)模型引入了狀態(tài)單元(Cell State)與門(Gate)的概念，使得其比RNN網(wǎng)絡(luò)具有更強的適應(yīng)性。如圖5所示，LSTM模型下，t時刻的信息會與t-1時刻的輸出和t-1時刻的記憶單元匯合，通過遺忘門、輸入門和輸出門三個門控結(jié)構(gòu)進行處理。遺忘門會對上一時刻的信息進行舍棄及保留處理，輸入門將當(dāng)前時刻的有效信息進行存放，輸出門對可以作為下一時刻輸入的信息進行處理。[33]

圖5 LSTM神經(jīng)網(wǎng)絡(luò)原理圖

(二)碳達峰BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

本文采用BP神經(jīng)網(wǎng)絡(luò)進行碳達峰預(yù)測模型的構(gòu)建。BP神經(jīng)網(wǎng)絡(luò)模型采用3層網(wǎng)絡(luò)結(jié)構(gòu)，輸入層節(jié)點數(shù)19個，隱藏層節(jié)點數(shù)8個，輸出層節(jié)點數(shù)1個。訓(xùn)練函數(shù)采用TRAIN_RPROP，誤差函數(shù)用ERRORFUNC_LINEAR，終止函數(shù)用STOPFUNC_MSE，隱含層激勵函數(shù)用SIGMOID_SYMMETRIC，輸出層激勵函數(shù)用SIGMOID_SYMMETRIC。經(jīng)過1684次迭代訓(xùn)練，均方誤差(MSE)為61802.29，均方根誤差(RMSE)為248.60，平均絕對誤差(MAE)為168.75，平均絕對百分比誤差(MAPE)為0.03%，預(yù)測模型通過有效性檢驗，達到精度要求。從表3可見，本模型預(yù)測值與原值誤差除了2000年為0.22%，其余絕對值均在0.13%以下，精度能夠滿足預(yù)測要求。

表3 2000—2020年中國工業(yè)碳排放量BP模型預(yù)測及原值對比表

(三)變量LSTM預(yù)測及估算

在工業(yè)碳排放量預(yù)測模型指標(biāo)表(表1)中，最右邊一列標(biāo)注出了控制性指標(biāo)及非控制性指標(biāo)。對于控制性指標(biāo)，其含義是指可以通過一定的宏觀政策引導(dǎo)、環(huán)境規(guī)制等政策性方式，對相應(yīng)指標(biāo)進行管控，以便能順利實現(xiàn)碳達峰目標(biāo)。對于非控制性指標(biāo)，則更多受到過去數(shù)據(jù)和市場的影響，將會按照一定的慣性向前發(fā)展，因此宜采用適當(dāng)?shù)哪Ｐ瓦M行預(yù)測。對時間序列變量進行預(yù)測的模型有很多，根據(jù)時間序列預(yù)測模型的優(yōu)缺點，以及本文非控制變量數(shù)據(jù)資料的特征，結(jié)合已有的研究文獻，LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)因有更好的預(yù)測精度而用于本文對非控制性自變量的預(yù)測。

1.非控制變量預(yù)測

本文基于2000—2020年時間序列數(shù)據(jù)，通過構(gòu)建LSTM預(yù)測模型對影響工業(yè)碳排放量的非控制性變量進行設(shè)定，并對未來10年的數(shù)值分別預(yù)測。2021—2030年各個非控制變量預(yù)測結(jié)果簡述如下：(1)規(guī)模以上企業(yè)工業(yè)增加值在未來10年，保持緩慢下降趨勢，從2021年的31.32萬億下降到2030年的31.06萬億。(2)城鎮(zhèn)單位就業(yè)人數(shù)中，采礦業(yè)和電力業(yè)人數(shù)保持單調(diào)下降，制造業(yè)人數(shù)先從2757萬人逐步下降到2025年的最低值1640萬人，隨著中國加強重視制造業(yè)、以及產(chǎn)業(yè)升級等因素，預(yù)計制造業(yè)就業(yè)人數(shù)會有一個回彈趨勢，到2030年達到2105萬人。(3)能源消費方面，采礦業(yè)基本保持不變；制造業(yè)能源消費保持持續(xù)上升的趨勢，從2021年的28億噸標(biāo)準(zhǔn)煤到2030年的30.33億噸標(biāo)準(zhǔn)煤，上漲8.30%；電力業(yè)的能源同樣保持上漲趨勢，上漲的幅度為4.30%。(4)工業(yè)能源結(jié)構(gòu)方面，分行業(yè)能源消費占工業(yè)總消費的比重上，采礦業(yè)占比基本保持不變；制造業(yè)的能源消費占比持續(xù)上升，從84.97%上升到2030年86.02%，占比上漲1.05%；電力業(yè)的能源消費占比上漲較為輕微，為0.32%。(5)工業(yè)產(chǎn)業(yè)結(jié)構(gòu)中，采礦業(yè)規(guī)模以上企業(yè)主營業(yè)務(wù)增加值的占比比例從2.97%上升到2030年3.03%，僅僅增加0.6%；制造業(yè)規(guī)模以上企業(yè)主營業(yè)務(wù)增加值占比從89.57%輕微上漲到89.97%，上漲0.4%；電力業(yè)上漲為0.09%。(6)發(fā)電及供熱總效率從47.00%上升到48.97%。通過LSTM模型預(yù)測的各變量數(shù)據(jù)及趨勢(見表4)，符合相關(guān)文獻對未來的預(yù)期。(7)橫向?qū)Ρ裙I(yè)3大門類能源消費和主營業(yè)務(wù)增加值的占比發(fā)現(xiàn)，采礦業(yè)能源消費占比基本保持約6%，主營業(yè)務(wù)增加值保持在約3.00%；制造業(yè)能消費占比和主營業(yè)務(wù)增加值占比相差不大；電力業(yè)的能源消費約11%，主營業(yè)務(wù)增加值的占比約為5%；可見采礦業(yè)與電力業(yè)的單位GDP能耗有較大改進空間。

表4 2021—2030年非控制變量LSTM模型預(yù)測結(jié)果表

2.控制變量估算

中國工業(yè)碳排放達峰的控制性變量如表1所示，具體指標(biāo)解釋如下。一個國家碳排放達到峰值常常意味著城市化和工業(yè)化的成熟；已達峰國家如日本(91%)、巴西(85.5%)的城市化率一般都超過了70%。[34]國家人口發(fā)展規(guī)劃(2016-2030年)預(yù)計中國2030年總?cè)藬?shù)在14.5億左右。[35]2020年12月12日，習(xí)近平主席在氣候雄心峰會上提出，到2030年，中國碳排放強度比2005年下降65%以上，非化石能源占一次能源消費比重將達到25%左右，森林蓄積量將比2005年增加60億立方米。[36]自2005年中國實行“浮動匯率制度”以來，人民幣兌換美元的匯率從“8”開始，進入“6”時代迄今已13年；人民幣進入“5”時代是遲早之事。[37]匯率變動對貿(mào)易結(jié)構(gòu)乃至工業(yè)結(jié)構(gòu)將會產(chǎn)生重大影響。

控制變量的估算分為兩步。第一步，2030年各控制變量達到的數(shù)值分別為：全國年末總?cè)藬?shù)14.5億人，城鎮(zhèn)人口比率達70%，森林蓄積量197億立方米，人民幣匯率為500元(兌100美元)，非化石能源消費占25%。第二步：以2020年年度數(shù)據(jù)為起始，采用平均遞增法估算出2021—2030年的逐年數(shù)據(jù)。

(四)中國工業(yè)碳排放達峰預(yù)測與控制因素對比分析

1.中國工業(yè)碳排放達峰預(yù)測

將上述非控制變量LSTM預(yù)測數(shù)據(jù)和控制變量逐年遞推估算數(shù)據(jù)，帶入建好的BP神經(jīng)網(wǎng)絡(luò)可以得出未來10年中國工業(yè)二氧化碳排放量如圖6所示。

圖6 2021～2030年中國工業(yè)碳排放量趨勢圖

未來10年，工業(yè)二氧化碳排放量呈“W型”波動，從2021年的102.52億噸，逐年下降到2023年達到一個相對最低值102.29億噸，隨后逐步上升到2026年達到最大值103.18億噸；隨后輕微下降到2028年為102.99億噸的波谷，后又微弱上升到2030年的103.11億噸。由此可見，在控制變量均勻達成的條件下，非控制變量按照內(nèi)在規(guī)律發(fā)展的推動下，工業(yè)碳排放峰值將于2026年達到，但在接下來4年存在一定波動，整體保持在相對高位水平。

2.控制因素影響對比分析

將2兩類預(yù)測數(shù)據(jù)進行對比分析可得出不同控制因素作用的差異。第一類數(shù)據(jù)是5個控制變量均按照2030年目標(biāo)逆推得出的數(shù)據(jù)帶入模型，得到全部控制因素變動下的逐年預(yù)測值；另一類數(shù)據(jù)是分別將單個控制變量保持不變，其余4個變量按照前述數(shù)據(jù)得出的預(yù)測值。用兩組數(shù)據(jù)的差值表示該控制變量對工業(yè)碳排放量的影響情況，分為絕對值差異和相對差異。從展示絕對數(shù)值的表5及相對差異比例的圖7可見，5個控制變量對工業(yè)碳排放量的影響是不同的。首先，從方向上來看，年末總?cè)藬?shù)、城鎮(zhèn)化率、森林蓄積量三者與工業(yè)碳排放量是同向增長的；人民幣兌美元升值(匯率時間序列數(shù)據(jù)降低)、非化石能源占比提高，跟工業(yè)碳排放量的增加方向是相反的。其次，從大小來看，非化石能源占比的增加，對工業(yè)碳排放量的抑制作用最明顯，有0.45%—1.23%的作用；其次是人民幣兌美元的匯率變動，即人民幣升值，對未來10年工業(yè)碳排放量有0.33%—0.81%的抑制作用；人口數(shù)量、城鎮(zhèn)化率和森林蓄積量對工業(yè)碳排放量的影響效果，整體偏小，在0.13%以內(nèi)。再次，具體原因分析。非化石能源占比的提升和人民幣升值，對于工業(yè)碳排放達峰有著最為明顯的影響。究其原因，非化石能源占比的提高，意味著零碳排放能源占比增加，從能源結(jié)構(gòu)上做出重大調(diào)整，因此對工業(yè)碳排放達峰帶來深刻而明顯的影響，與已有研究方向較為一致。另外一個影響因素是人民幣匯率，隨著中國國力的不斷增強，人民幣資產(chǎn)不斷升值和人民幣國際化的需求，使得人民幣升值的趨勢愈發(fā)明顯；升值不僅影響中國工業(yè)出口結(jié)構(gòu)進而影響工業(yè)產(chǎn)業(yè)結(jié)構(gòu)，還能顯而易見地影響到以美元計價的碳排放強度及其他指標(biāo)，對碳排放強度等指標(biāo)值能產(chǎn)生近似同等比例的效果。例如，碳排放強度=碳排放量/GDP，假設(shè)人民幣從600元人民幣兌100美元，升值到500元人民幣兌100美元，會使得以美元計價的GDP上升約20%；當(dāng)中國碳排放總量不變的條件下，單位美元GDP的碳排放強度會相應(yīng)下降約20%。

表5 2021—2030年控制變量對中國工業(yè)碳排放量影響對比表 (單位：億噸)

五、結(jié)論與政策含義

(一)主要結(jié)論

針對中國工業(yè)碳排放達峰問題，本文采用STIRPAT模型將影響因素分為規(guī)模、結(jié)構(gòu)和技術(shù)三類，選取了19個相關(guān)自變量，進一步歸類為控制性變量和非控制性變量，通過BP-LSTM神經(jīng)網(wǎng)絡(luò)模型計算，得到如下研究結(jié)論：(1)中國工業(yè)碳排放量將在2026年達到峰值103.18億噸，且在隨后4年以“W型”輕微波動。(2)在2021—2030年期間，LSTM預(yù)測的非控制因素顯示規(guī)模以上企業(yè)工業(yè)增加值呈輕微下降趨勢；制造業(yè)人數(shù)先下降后回彈，能源消費量持續(xù)上升，增幅為8.30%，其主營業(yè)務(wù)增加值占比從89.57%輕微上漲到89.97%；發(fā)電及供熱總效率預(yù)計從47.00%上升到48.97%；制造業(yè)能消費占比和主營業(yè)務(wù)增加值占比相差不大，采礦業(yè)與電力業(yè)的單位GDP能耗仍有較明顯的改進空間。(3)控制性因素的對比分析顯示，非化石能源占比的提升和人民幣升值，對于工業(yè)碳排放達峰和碳減排有著最為明顯的影響；人口數(shù)量、城鎮(zhèn)化率和森林蓄積量對工業(yè)碳排放量的影響效果整體偏小。

(二)對策建議

根據(jù)中國工業(yè)碳排放達峰控制變量的對比分析結(jié)果及碳達峰情況，下面從影響較大的2個控制變量及宏觀動態(tài)的角度提出如下對策建議。第一，重點推動能源結(jié)構(gòu)優(yōu)化及區(qū)域能源分配。本文實證結(jié)果顯示，非化石能源占比的增加，即工業(yè)能源結(jié)構(gòu)中擴大低碳、無碳能源的占比將對工業(yè)碳排放達峰有最明顯的影響。國家應(yīng)該促進傳統(tǒng)化石能源向清潔能源的快速轉(zhuǎn)變，著力解決時空分布不平衡問題，保證輸出的穩(wěn)定。在風(fēng)、光、水資源豐富地區(qū)，加大能源基地建設(shè)，以此向工業(yè)發(fā)達地區(qū)輸送能源；同時加強儲能技術(shù)和智能電網(wǎng)調(diào)控技術(shù)的發(fā)展，協(xié)調(diào)推進供需兩端的同步發(fā)展。第二，通過匯率政策推動工業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化。未來工業(yè)碳排放達峰過程中，國家匯率管控應(yīng)與產(chǎn)業(yè)升級聯(lián)動，做到相互促進。我國提出構(gòu)建以國內(nèi)大循環(huán)為主體，國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局。要求保持匯率緩慢升值，保持工業(yè)各行業(yè)的基本穩(wěn)定，積極推動高新技術(shù)產(chǎn)業(yè)發(fā)展。中國是世界上工業(yè)增加值最大的國家，工業(yè)品出口歷來占比較大；人民幣升值會給中低端制造業(yè)出口帶來嚴(yán)重打擊，解決之道只能是不斷提高產(chǎn)品附加值，提升產(chǎn)業(yè)結(jié)構(gòu)中高科技的比重；積極應(yīng)對、主動出擊，持續(xù)推動工業(yè)產(chǎn)業(yè)升級。第三，動態(tài)優(yōu)化、逐步落實工業(yè)達峰控制策略。中國對世界承諾2030年前實現(xiàn)碳達峰，工業(yè)是重要組成部分，需要確保在2030年前實現(xiàn)。國家宏觀政策中，應(yīng)重視對關(guān)鍵控制變量的政策引導(dǎo)和監(jiān)督，制定政策時應(yīng)動態(tài)調(diào)整并優(yōu)化，分年、分行業(yè)逐步落實工業(yè)碳排放達峰控制策略，確保2030年底前實現(xiàn)碳達峰并適度縮短平臺期。