论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 刘卫东,唐志鹏,夏炎,韩梦瑶,姜宛贝
关键词: 机器学习,随机森林,碳强度,关键影响因子,中国
来源: 地理学报 2019年12期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑
专业: 环境科学与资源利用
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
基金: 国家重点基础研究发展计划(2016YFA0602804),国家自然科学基金项目(41771135)~~
分类号: X321
页码: 2592-2603
总页数: 12
文件大小: 2066K
下载量: 683