刘晓蝶，孟祥瑞，王向前

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

全球气候变暖问题万众瞩目，应对气候变化是全人类共同的责任。联合国(IPCC)发布的评估报告中指出，全球变暖有90%的原因是来自于温室气体的污染[1]，尤其是二氧化碳的排放，能否有效控制碳排放，关乎到人类的未来命运发展。应对气候危机，我国展现了积极应对气候变化的大国担当，2020年9月，习总书记在第75届联合国大会上宣布中国将自主增加自主减排贡献，争取在2030年前实现“碳达峰”，2060年前实现“碳中和”。

江苏省作为中国沿海地区经济发展最快的地区之一，其加工业在全国具有十分重要的地位，因此，识别其碳排放的影响因素，并对其中长期的碳排放量进行预测，对我国实现碳达峰和碳中和的目标具有重要意义。本文以2001—2018年江苏省的数据作为研究对象，用Lasso回归对碳排放的影响因素进行筛选，将筛选得到的变量作为BP神经网络的输入量，模拟2019—2030年的变量值，对江苏省2019—2030年的碳排放值进行预测。

一、文献综述

全球变暖引起了越来越多的关注，学者们在碳排放预测方面取得了丰富的研究成果。目前，国内外的研究主要集中于对碳排放量及其峰值的预测，学者们基于不同的理论基础和不同的研究视角采用不同类型的模型对碳排放进行了研究。Loesse等[2]通过对12个南撒哈拉非洲国家1971—2010年经济与碳排放的研究发现，经济与碳排放的EKC曲线呈现倒“U”型关系；在施锦芳等[3]的研究中发现，中国在1984—2014年的EKC曲线呈倒“N”型，而日本在1970—1990年EKC曲线呈“N”型；……