"双碳"目标下基于改进灰色马尔可夫模型的碳排放预测方法研究

为应对碳排放预测中的非线性与不确定性难题，Dongge Zhu团队创新性地将灰色GM(1,1)模型与马尔可夫链结合，构建了改进的灰色马尔可夫模型。该研究通过碳因子法计算历史排放量，采用状态转移矩阵修正预测误差，最终实现碳排放趋势的精准预测，为"2030碳达峰、2060碳中和"目标提供了动态决策工具。

　　

在全球气候变暖的严峻形势下，中国提出的"2030碳达峰、2060碳中和"目标对碳排放预测提出了更高要求。传统预测方法如指数分解法（Pouliasis等）和ARIMA模型（Lari等）难以应对碳排放系统的非线性和小样本特性，而单一灰色预测模型（Kumar等）又存在随机波动捕捉不足的缺陷。这种预测精度与系统复杂性的矛盾，成为实现双碳战略的技术瓶颈。

为突破这一困境，Dongge Zhu团队在《International Journal of Low-Carbon Technologies》发表的研究中，开创性地融合灰色系统理论与马尔可夫链优势。研究首先采用IPCC碳因子法（公式1-3）计算1989-2019年能源消费碳排放量，构建原始序列X⁽⁰⁾；通过一阶累加生成序列X⁽¹⁾（公式4）建立GM(1,1)白化微分方程dx⁽¹⁾/dt+ax⁽¹⁾=b；继而将预测相对误差划分为E1-E4四个状态区间，构建一阶转移概率矩阵P(1)（公式17）；最终创新性地结合直接多步预测（公式14）与逐步预测（公式15）结果，取算术平均值作为最终预测值（公式16）。

2.1 碳排放测量方法

基于26类能源终端消费数据，参照GBT2589-2020等标准计算CO₂排放因子（表1），结果显示我国碳排放呈现三阶段特征：1989-2002年稳定期（约20亿吨）、2003-2012年快速增长期、2013-2019年缓降期（约60亿吨）。与质量平衡法对比验证（表2），该方法计算误差控制在0.28%-0.85%之间。

2.3 灰色马尔可夫预测模型

如图1所示，通过2010-2019年数据验证，传统灰色模型预测误差达1.53%（表3），而改进模型通过状态转移矩阵修正后，预测误差降至0.21%-0.75%。特别是2015年峰值预测中，结合模型将误差从1.15%优化至0.28%。

3 实验分析

设置四种情景模拟显示（图3）：常规情景下碳达峰将延迟至2035年（94.64亿吨），而1.5°C目标情景可使峰值提前10年至2025年（58.03亿吨）。状态转移概率分析表明（公式18），E2→E3转移概率达2/5，印证了政策干预对碳排放状态跃迁的显著影响。

该研究通过三大创新点推动领域发展：一是首次将碳因子法与改进灰色马尔可夫模型结合，构建动态预测框架；二是提出双模型加权平均算法，较单一模型预测精度提升42%；三是证实深度减排情景可使碳达峰提前10年。这些发现不仅为《巴黎协定》履约提供量化工具，更揭示了政策强度与达峰时间的非线性关系。未来研究可进一步整合LSTM神经网络，以应对能源结构突变等极端场景的预测挑战。