学术研究报告：基于ARIMA-LSTM的中国及其区域CO2排放建模与预测
一、研究作者及发表信息
本研究由辽宁工业大学工商管理学院的温廷鑫、刘亚洲（通讯作者）、白云和等学者合作完成，发表于期刊*Heliyon*第9卷（2023年），文章标题为《基于ARIMA-LSTM的中国及其区域CO2排放建模与预测》（Modeling and forecasting China’s regional CO2 emissions: A novel ARIMA-LSTM approach）。文章于2023年8月22日收稿，10月24日正式在线发表。
二、学术背景与研究目标
科学领域：本研究属于环境经济学与碳排放预测交叉领域，结合机器学习与时序分析方法。
研究背景：中国作为全球最大CO2排放国，区域排放不均衡问题突出。尽管中国已通过《巴黎气候协定》承诺2030年碳达峰与2060年碳中和目标，但实现路径需精准预测排放趋势并识别关键驱动因素。
研究目标：
1. 通过随机森林算法筛选中国东部、中部、西部地区CO2排放的关键影响因素；
2. 构建ARIMA（自回归综合移动平均模型，Autoregressive Integrated Moving Average）与LSTM（长短期记忆网络，Long Short-Term Memory）加权组合模型，提升预测精度；
3. 预测2018-2025年全国及三大区域CO2排放趋势，为差异化减排政策提供依据。
三、研究流程与方法
1. 数据收集与区域划分
- 数据来源：1997-2017年《中国统计年鉴》《能源统计年鉴》及《科技统计年鉴》，排除疫情干扰。
- 区域划分：采用三分法（东部、中部、西部），涵盖30个省份。东部包括北京等11省市，中部含山西等8省，西部为内蒙古等11省区。
2. CO2排放核算
- 核算方法：采用IPCC清单法（IPCC Guidelines），计算8种化石燃料（如原煤、焦炭）的CO2排放量，公式为：
[ EC = \sum (E_i \times F_i \times \frac{44}{12})
]
其中(E_i)为标准煤消耗量，(F_i)为排放因子。
3. 影响因素分析
- 因子筛选：基于文献综述确定14个影响因素，分为人口（城镇化率、人口规模）、经济（第二产业GDP、能源强度）、交通（铁路货运量、公路里程）、技术（技术进步指数）四大类。
- 特征重要性排序：通过随机森林算法（Random Forest）结合五重交叉验证，计算各因子对三大区域的贡献度（如东部地区城镇化率贡献13.6%）。
4. 预测模型构建
- ARIMA建模：
- 步骤：序列平稳化（差分阶数d=1或2）、确定AR阶数p与MA阶数q（如全国模型为ARIMA(2,1,1)）。
- 指标：测试集MAPE（平均绝对百分比误差）为0.0261（全国）。
- LSTM建模：
- 参数：200次训练周期，优化器为SGD（随机梯度下降），Dropout层防止过拟合。
- 结果：测试集MAPE为0.0192（全国），非线性特征捕捉能力优于ARIMA。
- 组合模型：采用逆误差加权法（Inverse Error Weighting）融合ARIMA与LSTM，权重根据各自预测误差动态调整，最终MAPE降至0.0149（全国）。
四、主要研究结果
1. 影响因素区域差异
- 东部：城镇化率（13.6%）与第二产业（12.4%）主导，交通因素占比28.9%。
- 中部：铁路货运量（15.3%）影响最大，经济因素占32.3%。
- 西部：第一产业（11.5%）与公路里程（11.5%）为主要驱动。
2. 预测性能对比
- ARIMA-LSTM组合模型在RMSE（均方根误差）、MAE等指标上均优于单一模型（见表12）。例如，全国RMSE从ARIMA的1.1582降至组合模型的0.8743。
3. 未来排放趋势（2018-2025）
- 全国：排放量持续增长但增速减缓，印证减排政策初步成效。
- 区域差异：东部增速最慢，可能率先达峰；中西部因产业转移排放压力更大（图5）。
五、结论与价值
科学价值：
1. 提出“随机森林特征筛选+ARIMA-LSTM组合预测”框架，为碳排放预测提供方法论创新；
2. 揭示中国三大区域排放驱动机制的异质性，填补区域差异化研究的空白。
应用价值：
- 政策建议：东部需优化交通能源结构，中部应加强低碳技术研发，西部需调整产业结构（如发展光伏产业）。
- 为国家“碳达峰”路径规划提供数据支持，尤其在产业转移与新能源推广方面。
六、研究亮点
1. 方法创新：首次将误差逆加权法用于ARIMA与LSTM融合，解决单一模型线性或非线性偏好的局限性。
2. 数据广度：涵盖中国30省份21年数据，结合IPCC标准核算排放量，增强结果可靠性。
3. 政策导向：基于预测结果提出分区域减排策略，突出实证研究与政策制定的衔接。
七、其他发现
- 技术因素的减排贡献被低估（如西部地区技术贡献仅2%），提示需加强绿色技术定向投入。
- 交通领域（尤其是货运）是中部减排关键，需加速新能源货车替代传统燃料车。
（注：全文共14页，包含6张图表及详细参考文献列表，模型代码与数据可通过期刊补充材料获取。）