基于WOA-ELM的上海市交通碳排放测算及情景分析

本研究旨在评估上海市交通部门碳排放能否在2030年前实现碳达峰目标。首先，本研究通过STIRPAT模型筛选出9项指标作为上海市交通碳排放影响因素，随后基于WOA-ELM算法构建了碳排放预测模型，并以1995~2019年上海市交通碳排放相关数据为基础数据，使用MATLAB软件搭建模型，对上海市2020~2040年的交通碳排放量进行预测。通过与岭回归、传统ELM模型的预测结果对比，本研究提出的碳排放预测模型具有较高的准确性，同时设置各特征值变化率组合，提出5种情景，运用情景分析法对上海市2040年前的交通碳排放量做出预测，最终得出结论：上海交通需要平衡经济与交通发展、在能源结构方面持续创新、指定完善的减排政策。

从1824 年傅里叶(Joseph Fourier)首次阐释了气候变化的观点开始，有关全球变暖的科学研究已有近200 年历史[1]。为毫不动摇地直面由全球变暖引发的旱灾、海平面上升甚至各种复杂疾病等挑战， 中国提出“2030 年碳达峰、2060 年碳中和”的“双碳”目标。其中交通运输是全球温室气体排放的重要来源之一，尤其是城市交通，交通运输业的碳排放量约占全国终端碳排放量的15%，面临较大的碳减排压力[2] [3]。

在现有碳排放研究中，主要以地区碳排放总量研究为主，由大到小涉及国家级、省级、地区级等不同层面。此外研究也极为宽泛，以各类不同行业作为切入点，其中还囊括了经济、社会、环境等各个方面。目前国内常用的碳排放预测模型有趋势外推法[4]、环境库兹涅茨曲线[5]等传统统计学方法；经典模型、组合模型等创新方法例如系统动力学[6]、神经网络模型[7]、投入产出模型[8]、灰色预测模型、可拓展的随机性的环境影响评估模型(Stochastic Impacts by Regression on Population, Affluence, and Technology STIRPAT)等[9]。国家层面上，刘建翠[10]利用线性回归评估中国未来交通运输业的节约能源效率，评估结果仍存在一定的局限性。

朱长征等[11]在设置各主要影响因素增长水平的基础上， 利用岭回归构建碳排放预测模型。周银香和李蒙娟[12]基于IEA 统计，由运输方式建立交通碳排放测算模型并与国际IEA 口径进行对比。区域层面上，范育洁等[13]基于改进的STIRPAT 模型，利用岭回归对西北五省区交通碳排放量进行了测算。

刘云龙等[14]构建了一个微分博弈模型， 研究了碳中和约束下跨区域交通运输碳排放消减机制。陈静[15]探讨上海市城市发展及其相应的交通碳排放问题， 科学考察交通碳排放的影响因素， 对碳减排具有重要的指导意义。卞利花和吉敏全[16]利用STIRPAT 模型定量分析青海经济发展水平，通过设置基准情景预测未来的碳排放量。武翠芳等[17]使用“自上而下”的碳排放计算方法，并用STIRPAT模型确定影响甘肃省污染的各种因素。