江西省經濟增長中能源消費與碳排放的預測分析
——基于非線性灰色伯努利模型

賴永劍， 賀祥民

(南昌工程學院 經貿學院， 江西 南昌 330099)

江西省經濟增長中能源消費與碳排放的預測分析
——基于非線性灰色伯努利模型

賴永劍， 賀祥民

(南昌工程學院 經貿學院， 江西 南昌 330099)

使用非線性灰色伯努利模型預測了2014-2022年江西省能源消費與碳排放的量值，整體而言，江西省的能源消費總量和碳排放總量在增長率呈現下降的趨勢。非線性灰色伯努利模型具有較好的預測能力，預測發現到2022年江西省的能源消費量達到11 060.1萬噸標準煤，碳排放達到6 282.4萬噸；從2014年到2022年江西省能源消費量的年均增長率為4.06%，碳排放量的年均增長率為3.11%。

能源消費； 碳排放； 非線性灰色伯努利模型

江西省改革開放以來經濟高速增長創造了巨大的物質財富，老百姓的生活水平有了較大程度的提高。然而，在這種可喜的發展同時也面臨著許多嚴峻的問題。當前最突出的問題之一就是長期粗放型增長模式下，能源約束不斷趨緊，環境問題愈發凸顯。這意味著，能源和環境已經逐漸成為江西省經濟增長的瓶頸因素，能源消費與及環境污染的整體形勢不容樂觀。

在全面協調可持續成為時代主題的時期，江西省作為經濟上正在加快發展的省份，非常有必要協調好經濟增長與能源消費和環境污染之間的關系。因此，采用較為可靠的研究方法，對江西省未來幾年間的經濟增長、能源消費、污染排放的總量進行預測，這對于地方政府部門制訂長遠規劃、實施相應的戰略決策，從而促進地方經濟的健康、穩定、可持續發展都有重要的意義。

一、文獻綜述

使用較先進的預測技術對于一個地區能源生產、分配、使用，環境保護與經濟增長合理預測對于地區的可持續發展具有重要的意義。當前預測技術主要分成三種：多變量分析、單變量時間系列分析、非線性模型。多變量模型和協整技術經常用于分析和預測能源消費，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預測期中自變量數據的有效性和可靠性具有非常強的依賴性，也就是說對于數據的收集和估計過程要求較高。而單變量時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據就能夠預測其將來的變化趨勢。單變量的ARIMA(自回歸求和移動平均)被大量運用在能源消費、環境、金融等問題的預測中[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測結果。

由于能源消費存在較大的波動性，一些智能非線性預測模型，比如人工神經網絡[5]、模糊控制方法[6]及一些混合模型在用于預測能源需求中更具效率[7]。然而，這些方法的預測結果也嚴重依賴于數據的數量與及數據的代表性，而且其存在的局限性也是較難以克服的。

在像中國這樣的快速發展的發展中國家，能源需求、污染排放和GDP等變量的時間序列數據隨著時間的變化會存在較大的波動，這必然會影響到數據的有效性和代表性，進而影響到預測結果。而灰色系統模型其優點就是在于能夠在系統處于較復雜、不確定、混沌的情況下，將系統視為黑盒，對數據質量要求較低，從而對事物的發展進行預測。

國內研究中如程勝采用混沌—神經網絡時間系列方法預測了我國農村能源的消費狀況[8]；而曾勝利用能源消費彈性系數法測算了未來幾年的能源消費量[9]；王文超使用Markov鏈模型預測了中國若干年的能源及碳排放的量[10]。關于碳排放預測，近些年如杜強、陳喬、陸寧等分別使用改進的IPAT模型，Logistic預測模型預測了中國各省的碳排放狀況[11-12]。而趙息、齊建民、劉廣為等利用離散二階差分算法預測了中國的碳排放[13]。

可以看到近些年來國內也開始采用一些先進的方法對國內能源消費和碳排放的情況進行預測，然而，國內基本上不存在著眼于一個省份，將經濟增長、能源消費和環境污染融入到一個預測模型進行預測的研究；而且已有的預測研究中并沒有較好地考慮經濟增長與環境污染之間存在的非線性關系，這必然會影響到預測結果的可靠性。本文使用最新發展起來的非線性灰色伯努利模型，既考慮了變量之間的非線性關系，又克服了區域經濟增長、能源消費、環境污染等變量數據的不穩定性的特點，從而在對江西省經濟增長、能源消費、環境污染的關系研究及預測過程中能夠得到較為穩定而可靠的結果。

二、研究設計

(一)碳排放量的計算

目前，我國各統計部門并未有針對碳排放的統計，因此，我們必須計算江西省各年的碳排放。國內研究中度量地區二氧化碳排放的方法主要是在聯合國政府間氣候變化專業委員會(IPCC)于2006年編制的《國家溫室氣體清單指南》的基礎上來進行度量。計算公式如下：

(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，國內外學者一般將化石燃料歸類三種：原煤、原油和天然氣，所以本文中的j為3，我們后文在計算時將各種燃料歸總為這三類。Hj為化石燃料的低位發熱量，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量比。

(二)非線性灰色伯努利模型的預測方法

非線性灰色伯努利模型(NonlinearGreyBernoulliModel,NGBM)，具有灰色系統模型(GreyModel,GM)的所有優點，能夠在系統處于較復雜、不確定、混沌的情況下，將系統視為黑盒，對數據質量要求較低；同時該方法既考慮了變量之間的非線性關系，又克服了經濟增長、能源消費、環境污染等變量數據的不穩定性的特點，從而在對江西能源消費、碳排放關系及其預測過程中能夠得到較為穩定而可靠的結果。

預測工具非線性灰色伯努利模型最早出現于Zhou等的著作上[14]，該工具以灰色系統和普通的伯努利方程為基礎，于是，在灰色系統的基礎上，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的最優值由預測模型中的最小平均絕對誤差(MAPE)決定。參數a和b可以用下式進行估計：

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

(3)

(4)

本文使用的數據來源于歷年《江西省統計年鑒》和《中國能源統計年鑒》。

三、實證分析結果

(一)描述統計分析

縱觀1995-2013年江西省的GDP的變化，可以看到江西省的經濟增長迅速，從1995年的1 169.73億元上升到2013年的14 338.5億元，名義上增長了11.25倍，扣除通貨膨脹，江西省的實際GDP也增長了6倍多。從圖1可以看到，江西省的GDP從2001年后增長最為顯著。這種較突出的增長主要得益于工業的發展，隨著中部崛起戰略的實施，隨著東部沿海地區的產業轉移，江西作為中部吸納東部產業轉移的重點地區，進入新世紀以來工業得到了巨大的發展。2013年，江西省規模以上工業企業7 601家，增加值為5 755.51億元，從業人數為220余萬；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的發展，江西省的能源消耗較多，增長較快；工業排放的環境污染物增長較快，對環境破壞較為明顯。從圖2可以看到江西省能源消耗從1995的2 391.7萬噸標準煤增長到2013年的7 672.7萬噸標準煤，增長了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的增長變化及能源消耗的增長變化對比，我們可以看到一個可喜的現象，就是江西省GDP的增長快于能源消耗的增長，這表明江西省萬元GDP的能耗在下降，江西省推行的節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，這必然導致江西省的碳排放程度較高，而且排放的廢氣和固體危險物增長非常突出，2000年工業排放廢氣為2 220億立方米，而到了2013年該值已經增長到15 574億立方米，增長了6倍多；同時，固體危險物排放從2000年的1.71萬噸上升到2013年的44.17萬噸，排放量增加了24.8倍。環境的污染在一定程度上抵消了改革開放和工業發展帶來的成果，降低了人們的幸福指數。

按照我國能源統計的基本方法，化石能源可以被分為原煤、洗精煤、型煤、其他洗煤、焦炭、焦爐煤氣、其它煤氣、其他焦化產品、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。我們利用江西省的能源平衡表數據來匯總分析17類能源的消耗量，然后利用能源加工轉化率來將17類能源品種轉化為原煤、原油和天然氣等三大類能源產品，采用公式1，計算出江西省的碳排放總量，并將數據繪制成圖3。可以看到江西省碳排放量也呈現出快速增長的態勢，1995年碳排放量為1 566.17萬噸，到了2013年已經增長到4 743.3萬噸，增長了2.02倍。比較江西省能源消費與碳排放二者的增長情況，可以發現江西省的碳排放量變化與GDP及能源消耗呈現出同步增長態勢，尤其是與能源消耗表現出來高度的協調性，這說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構較為穩定，所以這種協調性較高。

圖1 江西省1995-2013年GDP增長情況

圖2 江西省1995-2013年:能源消費量增長情況

圖3 江西省1995-2013年:碳排放量增長情況

(二)預測分析

為了能夠預測未來若干年江西省能源消費、碳排放的增長的情況，必須進一步分析江西省能源消費和碳排放增長的發展態勢。根據已有的數據，以2013年為基準，往前推，可以分析往前5年、10年、15年的能源消費、碳排放的增長情況，計算結果報告在表1中。從表1可以看到江西省能源消費，5年平均增長率為5.71%，10年平均增長率為7.58%,15年平均增長率為8.94%；碳排放，5年平均增長率為5.19%，10年平均增長率為6.85%,15年平均增長率為8.53%。分析能源消費和碳排放年平均增長率情況可以看到，江西省的年平均增長率隨著估計期間的縮短，均在降低，這表明江西省的能源消費、碳排放的增長率在縮小，意味著江西省的節能減排舉措顯現了明顯的作用，雖然能源消費總量和碳排放總量在持續增長，但是增長率呈現下降的趨勢。

表1 能源消費、碳排放增長率(基準為2013年,單位：%)

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

表2 參數a、b的計算值(GM、NGBM模型)

計算出a、b值后，利用相應的計算方法預測江西省能源消費、碳排放量，預測結果報告在表3中。預測方法有很多，預測的精度如何主要是使用某一段時間內預測值與真實值相比較，觀察其差額，差額較小，則預測的精度較高。比較2010年-2013年的江西省能源消費量和碳排放量的真實值與預測值，可以發現預測值與真實值相差不大，這說明我們的預測方法能夠較好地預測這兩變量，預測結果較好。從預測結果可以看到，到2022年江西省的能源消費量達到11 060.1萬噸標準煤，碳排放達到6 282.4萬噸；從2014年到2022年江西省能源消費量的年均增長率為4.06%，碳排放量的年均增長率為3.11%。江西省碳排放量的年均增長率小于能源消費量的年均增長率，這進一步說明江西省的能源結構在未來的幾年內有一定的優化，碳排放量的增長率呈下降趨勢。

表3 江西省能源消費量、碳排放量的預測結果(NGBM模型)

四、結論與啟示

本文在統計分析江西省經濟增長、能源消費及碳排放量現狀的基礎上，使用非線性灰色伯努利模型預測了江西省能源消費與碳排放的量值。研究發現江西省的經濟在改革開放后增長迅速，1995-2013年間，名義GDP上增長了11.25倍，其中工業經濟發展做出了重要貢獻。在這種可喜局面的同時，能源消費和碳排放急劇增長，對環境破壞較為明顯。因此，使用科學的預測方法預測未來一定年份的能源消費和碳排放的量值，對于地方政府制定相應的政策措施，促進地方經濟和諧發展具有重要意義。我們的研究發現，整體而言，江西省的能源消費總量和碳排放總量在持續增長，但是增長率呈現下降的趨勢。非線性灰色伯努利模型的預測值能較好的達到預測目的，預測發現到2022年江西省的能源消費量達到11 060.1萬噸標準煤，碳排放達到6 282.4萬噸；從2014年到2022年江西省能源消費量的年均增長率為4.06%，碳排放量的年均增長率為3.11%。

研究給我們的政策啟示在于：(1)在準確預測能源消費和碳排放的基礎上，進一步優化江西省的能源結構，盡量使用可再生能源代替化石燃料，降低燃料燃燒帶來的碳排放，尤其是加大太陽能、風能、水電能的開發利用及其在江西省工業生產中的應用。(2)繼續促進江西省現代產業的建設，尤其要加大對先進制造業、現代化農業、服務業的支持力度，降低江西省對高能耗、高污染的高碳化工業的依賴程度。

[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——神經網絡時間序列的農村能源消費預測研究[J].農業技術經濟，2009(5).

[9]曾勝.中國能源消費、經濟增長與能源需求預測的研究[J].管理評論，2011(2).

[10]王文超.中國省區能源消費與二氧化碳排放驅動因素分析及預測研究[C].大連：大連理工大學博士論文，2013.

[11]杜強,陳喬,陸寧.基于改進IPAT模型的中國未來碳排放預測[J].環境科學學報，2012(9).

[12]杜強,陳喬,陸寧.基于Logistic模型的中國各省碳排放預測[J].長江流域資源與環境，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

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

賴永劍，1980年生，男，江西會昌人，副教授，博士，研究方向：區域產業發展； 賀祥民，1981年生，女，湖南邵東人，講師，研究方向：區域經濟。

F127

A

1671-9743(2015)09-0017-04