何立華等

摘要

優(yōu)化能源結(jié)構(gòu)降低碳強(qiáng)度是建立環(huán)境友好型、資源節(jié)約型低碳經(jīng)濟(jì)發(fā)展模式的有效途徑之一?；谏綎|省總?cè)丝?、地區(qū)生產(chǎn)總值、居民消費(fèi)水平、能源生產(chǎn)量、工業(yè)產(chǎn)值占比等社會經(jīng)濟(jì)指標(biāo)的歷史數(shù)據(jù)和不同組合情景下的預(yù)測數(shù)據(jù)，研究了能源結(jié)構(gòu)優(yōu)化對低碳山東的貢獻(xiàn)潛力問題。首先運(yùn)用情景預(yù)測、GM（1，1）預(yù)測與多元回歸組合預(yù)測模型對2013年到2020年的一次能源消費(fèi)量及其相關(guān)變量進(jìn)行了預(yù)測；其次，采用馬爾可夫鏈模型預(yù)測了2013年到2020年山東省能源消費(fèi)結(jié)構(gòu)的變化趨勢；最后，考慮到技術(shù)進(jìn)步、經(jīng)濟(jì)結(jié)構(gòu)以及產(chǎn)業(yè)結(jié)構(gòu)等對碳強(qiáng)度目標(biāo)的實(shí)現(xiàn)也具有顯著作用，當(dāng)將能源結(jié)構(gòu)作為一個驅(qū)動因素分析其變化對實(shí)現(xiàn)碳強(qiáng)度目標(biāo)的貢獻(xiàn)時，需將其他因素的作用剔除，因此，本文重新界定了能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)“貢獻(xiàn)潛力”的定義，即指不同能源結(jié)構(gòu)調(diào)整幅度情景中碳強(qiáng)度的“下降幅度”相對于不調(diào)整時碳強(qiáng)度“下降幅度”的增加值與碳強(qiáng)度“目標(biāo)下降幅度”的比值。并在此基礎(chǔ)上，分9種組合情景評估了2020年能源結(jié)構(gòu)優(yōu)化對實(shí)現(xiàn)山東省碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力。結(jié)果表明：在相同的經(jīng)濟(jì)增速下，能源結(jié)構(gòu)調(diào)整幅度越大，碳強(qiáng)度“下降幅度”越大，能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)的“貢獻(xiàn)潛力”也越高；在相同的能源結(jié)構(gòu)調(diào)整幅度下，經(jīng)濟(jì)增速越低，碳強(qiáng)度“下降幅度”越小，但是能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)的“貢獻(xiàn)潛力”越高。在每種情景下能源結(jié)構(gòu)優(yōu)化對實(shí)現(xiàn)山東省碳強(qiáng)度目標(biāo)均有一定的貢獻(xiàn)潛力，但是，能源結(jié)構(gòu)優(yōu)化對實(shí)現(xiàn)山東省碳強(qiáng)度目標(biāo)貢獻(xiàn)潛力作用有限，即使在優(yōu)化能源結(jié)構(gòu)對碳強(qiáng)度目標(biāo)“貢獻(xiàn)潛力”最大的情景（大幅調(diào)整能源結(jié)構(gòu)、經(jīng)濟(jì)低速增長）中，其貢獻(xiàn)潛力也僅為10.953 3%。因此，能源結(jié)構(gòu)優(yōu)化對實(shí)現(xiàn)低碳山東有一定的貢獻(xiàn)，但是僅靠能源結(jié)構(gòu)優(yōu)化無法完全實(shí)現(xiàn)碳強(qiáng)度目標(biāo)，政府、企業(yè)及社會還需要采取產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、碳排放技術(shù)升級等措施。

關(guān)鍵詞能源結(jié)構(gòu)；碳強(qiáng)度目標(biāo)；碳排放；貢獻(xiàn)潛力；山東省

中圖分類號F416.22 文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2015）06-0089-09doi：10.3969/j.issn.1002-2104.2015.06.013

隨著中國工業(yè)化和城市化進(jìn)程的不斷推進(jìn)，能源需求持續(xù)快速增長。與此同時，以煤炭為主的能源消費(fèi)結(jié)構(gòu)帶來了過度的二氧化碳排放，導(dǎo)致環(huán)境污染、氣候變暖等重大問題。在應(yīng)對全球氣候變暖問題已達(dá)成國際共識的大背景下，中國提出到2020年二氧化碳排放強(qiáng)度比2005年降低40%-45%。要實(shí)現(xiàn)2020年碳強(qiáng)度目標(biāo)，中國必須走低碳經(jīng)濟(jì)發(fā)展道路，低碳經(jīng)濟(jì)是以低消耗、低排放、低污染為特征的可持續(xù)發(fā)展模式，其實(shí)質(zhì)是利用技術(shù)進(jìn)步與制度革新轉(zhuǎn)變能源利用方式，提高能源效率，優(yōu)化能源結(jié)構(gòu)[1]。由于中國地域遼闊，資源稟賦各異，各地區(qū)的經(jīng)濟(jì)發(fā)展極不平衡，導(dǎo)致了各地區(qū)的能源消費(fèi)結(jié)構(gòu)和碳排放水平存在顯著性差異。因此，從省區(qū)層面研究低碳經(jīng)濟(jì)約束下中國一次能源消費(fèi)結(jié)構(gòu)優(yōu)化問題具有重要的意義。山東省是全國經(jīng)濟(jì)發(fā)展的佼佼者，2014年地區(qū)生產(chǎn)總值達(dá)59 426.6億元。山東省在如此大的經(jīng)濟(jì)成就下，依賴的是大量的能源消耗與不合理能源結(jié)構(gòu)，2012年山東省一次能源消耗總量高達(dá)40 035.78萬噸標(biāo)準(zhǔn)煤，2000年到2012年間煤炭占全部能源持續(xù)高達(dá)70%以上，并且二氧化碳的排放量一直居于全國前列，優(yōu)化能源結(jié)構(gòu)對實(shí)現(xiàn)低碳山東具有重要的理論與實(shí)際意義。

近年來，國內(nèi)外學(xué)者為發(fā)展低碳經(jīng)濟(jì)，對碳強(qiáng)度問題展開了深入研究。岳超等[2]指出未來碳強(qiáng)度控制應(yīng)從產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、能源政策改革、可再生能源發(fā)展等方面著手。林伯強(qiáng)等[3]提出在維持經(jīng)濟(jì)增長的前提下，提高能源效率是減少碳排放的主要途徑；張友國[4]基于投入產(chǎn)出結(jié)構(gòu)分解法得出1987年至2007年經(jīng)濟(jì)發(fā)展方式變化使中國的GDP碳排放強(qiáng)度下降了66.02%；郭國峰等[5]基于回歸與ARMA組合模型對“十二五”時期中國工業(yè)節(jié)能潛力進(jìn)行了分析。結(jié)果表明，僅工業(yè)領(lǐng)域就實(shí)現(xiàn)節(jié)能6.7億 t標(biāo)準(zhǔn)煤和重點(diǎn)行業(yè)節(jié)能降耗的目標(biāo)。郝珍珍等[6]構(gòu)建了行業(yè)CO2排放增長驅(qū)動力模型，結(jié)果顯示：影響碳排放的主要驅(qū)動力是能源強(qiáng)度效應(yīng)和行業(yè)貢獻(xiàn)效應(yīng)，而產(chǎn)業(yè)結(jié)構(gòu)調(diào)整在短時間內(nèi)對CO2減排效力不大。林伯強(qiáng)等[7]選用協(xié)整方法研究CO2排放量與其變量之間的長期均衡關(guān)系，并采用Monte Carlo模擬法，在各解釋變量服從既定概率分布的前提下預(yù)測了中國CO2排放量的增長情形。結(jié)果表明，實(shí)現(xiàn)低碳轉(zhuǎn)型應(yīng)當(dāng)在保證GDP增長的前提下，通過控制城市化速度和將城市化進(jìn)程作為低碳發(fā)展的機(jī)會，以及通過降低能源強(qiáng)度和改善能源結(jié)構(gòu)來實(shí)現(xiàn)；徐盈之等[8]指出不同類型能源實(shí)現(xiàn)同等減排效果的成本存在很大的差異。因此，推動結(jié)構(gòu)節(jié)能減排，是中國低碳經(jīng)濟(jì)發(fā)展的必由之路。

大量文獻(xiàn)通過不同切入點(diǎn)研究能源結(jié)構(gòu)優(yōu)化對碳排放及低碳經(jīng)濟(jì)的影響。Gabriel S A等[9]考慮經(jīng)濟(jì)、環(huán)境等因素的影響構(gòu)建宏觀模型分析能源消費(fèi)結(jié)構(gòu)的變化情況。Nakata T[10]研究發(fā)現(xiàn)調(diào)整能源消費(fèi)結(jié)構(gòu)應(yīng)該考慮經(jīng)濟(jì)、人口增長和環(huán)境等的影響，構(gòu)建“低碳經(jīng)濟(jì)”應(yīng)大力加強(qiáng)可再生能源的開發(fā)利用。Li H Q等[11]分兩種情景評估了綠色能源的發(fā)展?jié)摿蛠碓?，并在此基礎(chǔ)之上分析了綠色能源在實(shí)現(xiàn)中國碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力；王鋒等[12]采用協(xié)整技術(shù)和馬爾可夫鏈模型預(yù)測了2011-2020年中國的碳強(qiáng)度趨勢，分9個情景分析優(yōu)化能源結(jié)構(gòu)對實(shí)現(xiàn)中國碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力進(jìn)行了評估；Dagoumas A S等[13]設(shè)置了三種情景，運(yùn)用宏觀經(jīng)濟(jì)綜合模型將英國作為一個地區(qū)，以自上而下的方式估計(jì)能源需求總量及需求結(jié)構(gòu)，以自下而上的方式模擬電力部門，結(jié)果表明，電力部門和交通部門是實(shí)現(xiàn)大幅度減排目標(biāo)的主要部門范德成等[14]以碳強(qiáng)度最小化為目標(biāo)，經(jīng)濟(jì)增長、能源供給、技術(shù)進(jìn)步為約束條件構(gòu)建了單目標(biāo)線性規(guī)劃優(yōu)化模型，對我國2009-2020年的能源消耗結(jié)構(gòu)進(jìn)行預(yù)測，結(jié)果表明：在“十二五”能耗強(qiáng)度目標(biāo)水平下，優(yōu)化能耗結(jié)構(gòu)并不能完全實(shí)現(xiàn)碳強(qiáng)度目標(biāo)，其貢獻(xiàn)潛力為77.12%。王韶華等[15]運(yùn)用通徑分析研究了一次能源的相互關(guān)系及其消費(fèi)比例與碳強(qiáng)度的關(guān)系，在此基礎(chǔ)上計(jì)算一次能源結(jié)構(gòu)對碳強(qiáng)度和GDP的貢獻(xiàn)，并分析了能源結(jié)構(gòu)調(diào)整對碳強(qiáng)度的靈敏度，結(jié)果表明：降低煤炭消費(fèi)比例，提高水核風(fēng)電等能源消費(fèi)比例對降低碳強(qiáng)度的貢獻(xiàn)最大，可以降低碳強(qiáng)度4.57個百分點(diǎn)，對實(shí)現(xiàn)碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力為26.9%。

由于各個省區(qū)的碳強(qiáng)度變動、碳排放份額變動、能源強(qiáng)度變動、能源結(jié)構(gòu)調(diào)整以及產(chǎn)值份額變動共同決定了全國碳強(qiáng)度的變動[16]，而不同省區(qū)的節(jié)能減排的潛力差異很大[17]，為了順利實(shí)現(xiàn)全國碳強(qiáng)度目標(biāo)，需要及時評估各省區(qū)對全國碳強(qiáng)度下降的貢獻(xiàn)，對此，岳超等[2]通過對中國各省區(qū)的碳排放量、人均碳排放和碳排放強(qiáng)度分析，得出中西部地區(qū)具有較高的碳強(qiáng)度，并運(yùn)用逐步線性回歸分析指出能源資源稟賦、工業(yè)行業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)是省區(qū)碳強(qiáng)度的決定因素；李陶等[18]在總減排成本最小的目標(biāo)下，基于非線性規(guī)劃優(yōu)化模型得到了各省市的減排配額分配方案；王平等[19]運(yùn)用情景預(yù)測、成分?jǐn)?shù)據(jù)模型等方法探討了廣東省能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力。

綜述所述，學(xué)者們已對能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)的實(shí)現(xiàn)進(jìn)行了一系列研究，然而，上述文獻(xiàn)

未將技術(shù)進(jìn)步、經(jīng)濟(jì)結(jié)構(gòu)以及產(chǎn)業(yè)結(jié)構(gòu)等其他影響因素的作用剔除，對此，本文對能源結(jié)構(gòu)優(yōu)化對碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力賦予新定義，在運(yùn)用組合模型進(jìn)行2013-2020年山東省一次能源消費(fèi)需求預(yù)測的基礎(chǔ)上，采用馬爾可夫鏈模型預(yù)測了能源消費(fèi)結(jié)構(gòu)的變化趨勢，分9種組合情景評估了2020年能源結(jié)構(gòu)優(yōu)化對山東省碳強(qiáng)度目標(biāo)的貢獻(xiàn)潛力，以期為碳減排相關(guān)政策及措施的制定提供決策參考。

1山東省一次能源消費(fèi)及其變量預(yù)測

1.1變量選擇與數(shù)據(jù)說明

影響能源消費(fèi)需求的變量眾多，但學(xué)界尚未給出影響能源需求具體因素的定論。從直接影響因素分析，居民人口數(shù)量、居民消費(fèi)水平的變化都會直接影響能源消費(fèi)需求。而間接影響因素主要包含國內(nèi)或地區(qū)生產(chǎn)總值、工業(yè)產(chǎn)值占比、國家或地區(qū)能源生產(chǎn)總值及能源進(jìn)口總值、能源利用效率等。本文選擇以下五個影響因素對山東一次能源消費(fèi)需求進(jìn)行研究分析。

1.1.1人口數(shù)量

人口數(shù)量是影響能源消費(fèi)需求的直接因素之一，人口數(shù)量越多，能源需求越大。劉蘭鳳等[20]及郭菊娥等[21]的研究證明了人口數(shù)量的確是影響能源消費(fèi)需求的最主要因素之一。所以本文把山東省人口數(shù)量作為影響一次能源消費(fèi)需求的變量之一。

1.1.2收入水平

居民收入水平的變化間接影響一次能源消費(fèi)的需求，諸多文獻(xiàn)研究國家收入水平時以GDP來代替，且GDP的增速直接反應(yīng)收入水平的變動情況[3]，由于本文研究山東省一次能源消費(fèi)需求的預(yù)測，因此本文選用山東省的地區(qū)生產(chǎn)總值作為解釋變量引入能源消費(fèi)需求函數(shù)。

1.1.3居民消費(fèi)水平

居民消費(fèi)水平與收入水平高度相關(guān)，但又有所不同，收入水平的提高一定程度上使得居民消費(fèi)水平增加，但收入水平是國家或地區(qū)經(jīng)濟(jì)的宏觀表示，居民消費(fèi)水平更多的從微觀上改變一次能源消費(fèi)需求量。居民消費(fèi)水平的提高，不僅使得居民在生活能源方面的消費(fèi)量增加，而且居民對各行業(yè)產(chǎn)品特別是第二、三產(chǎn)業(yè)的消費(fèi)支出有較大的增長，從而帶動各生產(chǎn)領(lǐng)域的能源消費(fèi)增加。所以本文將山東省居民消費(fèi)水平也作為影響能源消費(fèi)需求的變量之一。

1.1.4能源生產(chǎn)總量

能源生產(chǎn)總量是國家或地區(qū)在一定時期內(nèi)能源生產(chǎn)量的總和，此處的能源生產(chǎn)量僅包括一次能源如：原煤、原油、天然氣，風(fēng)水核電等，它是描述能源生產(chǎn)水平和規(guī)模的重要衡量標(biāo)準(zhǔn)，它的增加或降低會引起能源消費(fèi)的加大或減少，所以本文選取地區(qū)能源生產(chǎn)總量作為一個變量。

1.1.5工業(yè)產(chǎn)值占比

自我國提出工業(yè)化、城鎮(zhèn)化的發(fā)展方向后，我國的工業(yè)生產(chǎn)總值持續(xù)升高。其特征也逐漸顯現(xiàn)出來：一是工業(yè)、建筑業(yè)等第二產(chǎn)業(yè)帶來的經(jīng)濟(jì)價值占國民收入的比率提高；二是工業(yè)等第二產(chǎn)業(yè)的勞動人口占總?cè)丝诘谋壤灿兴黾樱蝗窃谝陨蟽煞N比率增加的同時，工業(yè)人口的人均收入也在相應(yīng)的增加。隨著工業(yè)化、城鎮(zhèn)化的持續(xù)推進(jìn)和居民收入與消費(fèi)水平的提高，能源的消費(fèi)需求也相應(yīng)的會增加。因此，工業(yè)指標(biāo)應(yīng)該被引入到能源需求函數(shù)中。這一指標(biāo)用工業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比例表示。

以上所涉及的變量中，山東省人口數(shù)量、地區(qū)居民消費(fèi)水平指數(shù)、地區(qū)生產(chǎn)總值、地區(qū)能源消費(fèi)總量和地區(qū)工業(yè)生產(chǎn)總值來源于《中國統(tǒng)計(jì)年鑒》（2013）。

1.2GDP及其他變量預(yù)測

1.2.1GDP及居民消費(fèi)水平情景預(yù)測

由于將收入水平的預(yù)測轉(zhuǎn)換為對地區(qū)生產(chǎn)總值的預(yù)測，而對地區(qū)生產(chǎn)總值或GDP的預(yù)測往往轉(zhuǎn)換為對經(jīng)濟(jì)增長速度的預(yù)測。本文借鑒李善同等[22]思路運(yùn)用情景預(yù)測的方法，結(jié)合山東省21世紀(jì)以來的經(jīng)濟(jì)情況，將山東省未來經(jīng)濟(jì)增長速度設(shè)定為高速、中速和低速三種情景，并把每一個情景劃分為2013-2016年和2013-2020年兩個時間段。在第一階段經(jīng)濟(jì)增長速度由高到低依次為12%、9%和7%，第二個階段則為10%、7.8%和6%。

居民消費(fèi)水平與收入水平是直接相關(guān)的，要預(yù)測居民消費(fèi)水平，先應(yīng)該建立居民消費(fèi)水平與地區(qū)生產(chǎn)總值的相關(guān)方程，已利用Excel得到趨勢線方程X3=0.227 598X2+1 000.758 983?；诰用裣M(fèi)水平與地區(qū)生產(chǎn)總值相關(guān)性與地區(qū)生產(chǎn)總值變動速率設(shè)定值，對2013-2020年山東省生產(chǎn)總值和居民消費(fèi)水平進(jìn)行預(yù)測（見表1）。

1.2.2人口、能源生產(chǎn)量與工業(yè)產(chǎn)值比灰色預(yù)測

在五個自變量中，總?cè)丝?、能源生產(chǎn)總量，工業(yè)產(chǎn)值占比三個因素更多的受歷史各年數(shù)據(jù)的影響，是社會、經(jīng)濟(jì)諸多因素相互影響和制約的結(jié)果，因果關(guān)系復(fù)雜并具有灰色特性和一定的規(guī)律性，所以本文利用灰色預(yù)測GM（1，1）模型對山東省總?cè)丝?，能源生產(chǎn)總量，工業(yè)產(chǎn)值占比進(jìn)行預(yù)測（見表1）。

1.3基于多元回歸的一次能源消費(fèi)預(yù)測

1.3.1多元回歸分析

在多個變量進(jìn)行多元回歸分析時，變量之間經(jīng)常存在著嚴(yán)重的多重共線性，所得到的回歸系數(shù)的方差會很大，從而預(yù)測出的一次能源消費(fèi)需求的誤差也會增大、穩(wěn)定性也變差。因此，本文首先利用SPSS19.0對人口數(shù)量、地區(qū)生產(chǎn)總值、居民消費(fèi)水平、地區(qū)能源生產(chǎn)總量、工業(yè)產(chǎn)值占比五個變量進(jìn)行相關(guān)性分析（見表2）。

由表2可知，數(shù)據(jù)相關(guān)陣的特征值大于1的只有一個，所以提取第一主成分值，將其代表的原始變量作為影響能源消費(fèi)結(jié)構(gòu)的自變量進(jìn)行多元回歸。則主成分表達(dá)式為：

其中：ZX1、ZX2、ZX3、ZX4、ZX5，分別為標(biāo)準(zhǔn)化后的總?cè)丝?，地區(qū)生產(chǎn)總值，居民消費(fèi)水平，能源生產(chǎn)總量，工業(yè)產(chǎn)值占比。Z表示第一主成分值。對2000年到2012年的五個因素?cái)?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將標(biāo)準(zhǔn)化后的各年數(shù)據(jù)（由于篇幅有限，標(biāo)準(zhǔn)化后的數(shù)據(jù)不再列出）代入到主成分表達(dá)式，得出2000-2012各年主成分值，分別為-3.148 32，-2.559 71，-1.981 51，-1.313 95，-0.834 78，-0.490 12，-0.028 82，0.472 28，0.946 48，1.179 75，1.992 73，2.582 59和3.183 38。

對主成分值進(jìn)行多元回歸分析時，非線性回歸、對數(shù)函數(shù)和冪函數(shù)都要求自變量非負(fù)，因此對主成分值Z進(jìn)行坐標(biāo)變換，最小主成分值為-3.148 32，即變換坐標(biāo)公式為z′=z+4。運(yùn)用SPSS19.0得到分析結(jié)果，并查詢F分布表進(jìn)行比較分析。得到結(jié)論：線性函數(shù)、對數(shù)函數(shù)、二次函數(shù)、三次函數(shù)、冪函數(shù)、指數(shù)函數(shù)等六種函數(shù)的回歸效果都非常顯著。具體選擇哪種函數(shù)要根據(jù)一次能源消費(fèi)預(yù)測值進(jìn)行分析選取。

1.3.2一次能源消費(fèi)預(yù)測

將表1中山東省總?cè)丝凇⒌貐^(qū)生產(chǎn)總值、居民消費(fèi)水平、能源生產(chǎn)量、工業(yè)產(chǎn)值占比五個影響因素的預(yù)測值代入根據(jù)2000年到2012年五個因素實(shí)際數(shù)據(jù)求得的標(biāo)準(zhǔn)化公式中進(jìn)行標(biāo)準(zhǔn)化，將標(biāo)準(zhǔn)化后的五個因素預(yù)測結(jié)果代入主成分表達(dá)式中，得到主成分預(yù)測值，主成分預(yù)測值按照前文的多元回歸分析中坐標(biāo)變換（z′=z+4）進(jìn)行處理，詳細(xì)的過程因篇幅較長不再給出，只列出利用處理后的主成分預(yù)測值擬合的回歸方程：

對三種經(jīng)濟(jì)狀況下2020年的預(yù)測值進(jìn)行初步分析，三次函數(shù)到2020年，能源消費(fèi)為負(fù)值，不可取，指數(shù)函數(shù)預(yù)測值遠(yuǎn)遠(yuǎn)大于其他函數(shù)，也不可取。二次函數(shù)2020年預(yù)測結(jié)果，經(jīng)濟(jì)增長能源消費(fèi)量反而降低，也不可取。將線性函數(shù)，對數(shù)函數(shù)，冪函數(shù)三種函數(shù)2000年到2012年的預(yù)測值與實(shí)際值比較，計(jì)算其相對誤差，并根據(jù)相對誤差選取最準(zhǔn)確的函數(shù)方程進(jìn)行多元回歸。相對誤差如表3所示。

在相對誤差表中，線性函數(shù)與冪函數(shù)相對誤差都較小，但到2010年后，冪函數(shù)的相對誤差要更小，且冪函數(shù)的相對誤差平均值較小，因此判定情景預(yù)測、灰色預(yù)測與冪函數(shù)回歸組合模型最合適，預(yù)測的擬合效果最佳。

用情景預(yù)測、灰色預(yù)測與多元冪函數(shù)回歸組合模型首先預(yù)測出山東省2000-2012年的能源消費(fèi)量，并與中國統(tǒng)計(jì)年鑒中實(shí) 際數(shù)據(jù)比較，并從平方和誤差、均方誤差、平均絕對誤差等方面進(jìn)行效果評價，結(jié)果表明本文的預(yù)測結(jié)果與實(shí)際數(shù)據(jù)具有較高的擬合程度，說明在一定程度上該預(yù)測值是可信的。因此，對2013年到2020年的一次能源消費(fèi)量進(jìn)行預(yù)測（見表4）。

由表4可知，在未來幾年山東省的一次 能源消費(fèi)量具有較高的增長率，而由于不同類型的能源燃燒時具有不同的碳排放系數(shù)，要想根據(jù)能源消費(fèi)量來預(yù)測碳排放量，必須預(yù)測能源結(jié)構(gòu)。

2山東省能源消費(fèi)結(jié)構(gòu)預(yù)測

2.1馬爾可夫鏈模型

由于未來的能源消費(fèi)結(jié)構(gòu)通常根據(jù)能源消費(fèi)結(jié)構(gòu)的過去情況和現(xiàn)在情況來進(jìn)行預(yù)測，且能源消費(fèi)結(jié)構(gòu)的變動符合馬爾科夫鏈無后效性的特點(diǎn)，因此，本文采用馬爾可夫鏈模型進(jìn)行能源結(jié)構(gòu)預(yù)測。用S1（n），S2（n），S3（n），S4（n），分別表示煤炭、石油、天然氣、風(fēng)水核電（為了便于說明問題，將風(fēng)能、水能、核能和電能四種非石化能源簡稱為“風(fēng)水核電”）等四類能源在n時刻占一次能源消費(fèi)總量比例，用p（n）表示n時刻到n+1時刻，x能源轉(zhuǎn)移為y能源的概率，則中國能源消費(fèi)結(jié)構(gòu)從n時刻到n+1時刻的一步轉(zhuǎn)移概率矩陣為：

如果根據(jù)目前的能源消費(fèi)結(jié)構(gòu)來預(yù)測未來的能源消費(fèi)結(jié)構(gòu)，首先需要通過各年能源消費(fèi)結(jié)構(gòu)及其狀態(tài)變化確定每步的狀態(tài)轉(zhuǎn)移概率矩陣，然后求出平均轉(zhuǎn)移概率矩陣，再利用平均轉(zhuǎn)移矩陣預(yù)測未來一次能源消費(fèi)結(jié)構(gòu)的變化趨勢。假設(shè)從初始時刻到n時刻，能源消費(fèi)結(jié)構(gòu)在每步的轉(zhuǎn)移概率矩陣分別為p（1），p（2），p（3），…，p（n），平均轉(zhuǎn)移概率矩陣的計(jì)算式為p=[p（1）·p（2）·…·p（n）]1/n根據(jù)n時刻的能源消費(fèi)結(jié)構(gòu)以及平均轉(zhuǎn)移概率矩陣，就可以預(yù)測出n+m時刻的能源消費(fèi)結(jié)構(gòu)：S（n+m）=S（n）·pm。

2.2確定轉(zhuǎn)移概率矩陣

根據(jù)《山東省統(tǒng)計(jì)年鑒》（2013）中關(guān)于能源的數(shù)據(jù)，選擇2000-2012年能源結(jié)構(gòu)數(shù)據(jù)計(jì)算轉(zhuǎn)移概率矩陣。在確定轉(zhuǎn)移概率矩陣時，根據(jù)對一次能源消費(fèi)結(jié)構(gòu)歷史數(shù)據(jù)的觀察，可以發(fā)現(xiàn)，煤炭、石油、天然氣、核水風(fēng)電之間都存在相互轉(zhuǎn)移份額的可能性。據(jù)此，根據(jù)能源結(jié)構(gòu)轉(zhuǎn)移概率矩陣的算法，從n時刻到n+1時刻，如果一種能源占總能源消費(fèi)量的比例增加，那么該能源的保留概率為1，同時該能源不向其他能源進(jìn)行轉(zhuǎn)移，且根據(jù)轉(zhuǎn)移概率矩陣的設(shè)定，每一行的元素之和為1，那么該能源向其他能源的轉(zhuǎn)移概率元素都為0；如果一種能源占總能源消費(fèi)量的比例減少，那么該能源的保留概率為n+1時刻的比例除以n時刻的比例，同時該能源不會吸收其他能源的轉(zhuǎn)換，即該列的吸收概率元素值為0。再根據(jù)每一行的元素之和必須為1，計(jì)算出該能源向其他能源的轉(zhuǎn)移概率元素，計(jì)算得2000年到2012年的轉(zhuǎn)移概率矩陣。

矩陣的開方運(yùn)算是數(shù)學(xué)難題，一些矩陣的開多次方在理論上是難以實(shí)現(xiàn)的，由于是對2020年的能源結(jié)構(gòu)進(jìn)行預(yù)測，且對中間年份的能源結(jié)構(gòu)沒有具體要求，那么可以不再計(jì)算平均轉(zhuǎn)移概率矩陣，而直接將多年的能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)移概率矩陣作為乘數(shù)，對未來能源消費(fèi)結(jié)構(gòu)進(jìn)行預(yù)測，這樣將N年作為一個時間段來構(gòu)建轉(zhuǎn)移概率矩陣。反而更符合馬爾科夫過程要求的平穩(wěn)性及長期性要求。