中国碳强度关键影响因子的机器学习识别及其演进

编号 zgly0001691422

文献类型 期刊论文

文献题名 中国碳强度关键影响因子的机器学习识别及其演进

作者 刘卫东  唐志鹏  夏炎  韩梦瑶  姜宛贝 

作者单位 中国科学院地理科学与资源研究所中国科学院区域可持续发展分析与模拟重点实验室  中国科学院大学资源与环境学院  中国科学院科技战略咨询研究院 

母体文献 地理学报 

年卷期 2019年12期

年份 2019 

分类号 X321 

关键词 机器学习  随机森林  碳强度  关键影响因子  中国 

文摘内容 碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%～65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现:1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%～65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。