基于GM(1,1)的双碳预测模型

通过建立数理分析模型，利用源于生物学研究的描述统计法分析长三角地区新能源汽车产业在全国新能源汽车市场的地位及作用。通过建立基于“OLS + 稳健标准误”思想的回归分析模型，使用Stata 16 SE进行回归分析，得出新能源汽车产业与传统汽车产业之间存在竞争关系。利用GM(1,1)灰色预测模型，处理原始时间序列数据后分别得到累加序列、紧邻均值生成序列，定义灰色微分方程，构建白化方程，以最小二乘法的思想得到时间响应表达式，实现未来3年长三角地区新能源汽车的市场保有量的预测。最后利用历年长三角区域煤炭、原油、天然气、电能的能源消耗量通过换算系数和碳排放系数的转换，得到长三角地区碳排放总量，再对四个能源关于时间的拟合曲线进行赋权，得到组合拟合曲线，画出碳排放的拟合曲线图，再减去碳吸收量，得到碳吸收拟合曲线，得出长三角地区将在2029年实现碳达峰，在2061年实现碳中和结论。

现如今，全球面临的最大挑战是气候变化问题。在现代化工业中，煤炭、石油、天然气的大量使用产生了数量巨大的二氧化碳(CO2)、二氧化硫(SO2)、臭氧(O3)等温室气体是造成全球气候变暖的主要原因。

我国实施的“双碳”计划是新时代绿色发展理念的重要组成部分，力争2030 年前实现碳达峰，2060 年前实现碳中和[1]。

学者们利用不同方法对碳排放量进行预测分析， 主要包括STIRPAT 模型、情景分析法、IPAT 模型、LEAP 模型、蒙特卡洛动态模拟、中国能源环境综合政策评价模型、ARIMA 模型、BP 神经网络组合模型和系统动力学模型。

黄蕊等使用STIRPAT 模型和情景分析法预测了江苏省能源消费碳排放量发现， 当人口和经济低速增长，技术高速增长时，2020 年碳排放量预测值为202.81 兆吨。长三角城市群是中国最大的城市群之一，已跻身于国际公认的六大世界级城市群。2019 年，长三角城市群的碳排放量占全国碳排放量的13.6%，是中国碳排放重要来源区域。赵成柏和毛春梅利用ARIMA 模型和BP 神经网络组合模型，预测了中国碳排放强度的变化，结果表明，2020 年中国碳排放强度比2005 年下降了34%。结合长三角地区四省市的发展现状，参照现行长三角地区各省市国民经济[2]，基于改进的线性回归函数，利用GM(1,1)模型，在原有数据的基础上，模拟长三角地区2023~2025 年的碳排放量，并预测长三角地区碳达峰和碳中和的时间节点。

2. 基于数理分析模型的发展现状研究 2.1. 描述统计分析模型的建立 描述统计源于生物学研究。严格意义上的描述统计学特指上世纪末至本世纪二十年代之间的以高尔顿为先导，而以卡尔·皮尔逊为代表的用于对生物资料进行分析所提出的一系列统计方法。其后，不少学者发现生物统计中的一些基本思想、方法和概念也适用于非生物学领域，尤其在社会、经济及管理领