阳建中，陈慧蓉，刘志先，赵荣阳

（1 北部湾大学 电子与信息工程学院，钦州 535011；2 北部湾大学 资源与环境学院，钦州 535011）

如今，气候变化已俨然成为了世界性的问题，其中全球变暖正是目前面临的重要变化之一.根据《巴黎协定》要求21世纪末全球气温升高控制在不超过工业化前2℃的目标，同时也要求各缔约方每5年提交一次“国家资助减排贡献”［1］.即使每个国家都按协定来控制国家的排放量，但是也很难达到协议中的目标，全球升温可能达到3℃左右，无法真正实现不超过2℃的目标［2］.而碳排放是引起全球变暖的重要因素之一，影响碳排放的因素有很多，包括产业结构、人口数量、生产生活方式、能源结构、GDP等［3］.中国也颁发了一系列促进控制温室气体排放的法律法规.为了实现中国在2030年国内二氧化碳排放量尽量达到峰值，单位GDP温室气体排放比2005年下降60%～65%［4］.国家采取了一系列的措施，包括调整产业结构、优化能源结构、能源效率提高、碳市场建设、生态碳汇增加等一些列措施，使得中国能源减排取得了一定的成绩［1］.

目前很多学者对于碳排放分析和预测研究也取得了很多的成果，主要是集中在影响碳排的因素分析及碳排放的预测两个方面.对于碳排放的因素分析主要采用TOPSIS［5］、STIRPAT模型［6-7］、LMDI方法及其扩展［8-9］，例如LEI等［10］利用了支持向量机方法分析了影响CO2的排放量的因素并给出预测.碳排放的预测也使用了很多现代的智能模型进行分析预测.近年来随着机器学习的兴……