魏光普，康瑜，范浩文，于曉燕，馬明

（內(nèi)蒙古科技大學(xué) 建筑學(xué)院，內(nèi)蒙古 包頭 014010）

化石能源造成全球性的溫室效應(yīng)，聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（IPCC）發(fā)布的《IPCC全球升溫1.5℃特別報(bào)告》指出，升溫1.5℃與升溫2℃相比能減少更多極端氣候、海平面上升等問(wèn)題，若放任其發(fā)展，溫室效應(yīng)將給人類帶來(lái)巨大的災(zāi)難[1]。作為對(duì)《巴黎協(xié)定》的積極響應(yīng)，中國(guó)提出了到2030年單位國(guó)內(nèi)生產(chǎn)總值CO2排放量要比2005年下降60%～65%的國(guó)家目標(biāo)[2]。中國(guó)尚處于工業(yè)快速發(fā)展和城鎮(zhèn)化建設(shè)時(shí)期，碳排放量不斷上升，2018年中國(guó)碳排放量達(dá)到101億噸，占全球碳排放總量的27.6%，位列第一，與同期美國(guó)相比高出12.8%[3]。建筑業(yè)的碳排放量?jī)H次于煤電、工業(yè)以及交通運(yùn)輸領(lǐng)域，約占全國(guó)總量的1/5。

1960年之后世界范圍內(nèi)建筑能耗計(jì)算軟件發(fā)展迅速，其中美國(guó)能源部的EnergyPlus軟件[4]、美國(guó)太陽(yáng)能試驗(yàn)部的TRNSYS軟件[5-6]以及中國(guó)清華大學(xué)開(kāi)發(fā)的DeTS軟件等均被廣泛用于建筑能耗計(jì)算的相關(guān)領(lǐng)域[7-8]；20世紀(jì)后，研究主要集中在區(qū)域建筑能耗核算，莊智等[9]利用統(tǒng)計(jì)年鑒、能源平衡表和抽樣調(diào)查統(tǒng)計(jì)數(shù)據(jù)三種方法，比較計(jì)算了城鎮(zhèn)民用建筑能耗；張秀敏和吳朝暉[10]運(yùn)用案例分析法構(gòu)建了一種建筑物分類核算方法，并引入實(shí)例進(jìn)行核算；楊秀[11]介紹了美國(guó)的公共建筑和住宅建筑的能耗統(tǒng)計(jì)辦法；楊斯慧等[12]針對(duì)我國(guó)當(dāng)前的公共建筑碳交易，選取了北京市和上海市進(jìn)行試點(diǎn)比對(duì)，提出碳排放責(zé)任劃分方法；黃志甲等[13]建立了住宅建筑全生命周期的碳排放核算模型；秦貝貝[14]提出了基于能源平衡表的可用于計(jì)算省級(jí)建筑能耗的宏觀計(jì)算方法。而對(duì)于建筑能耗的預(yù)測(cè)研究，目前主要的能耗預(yù)測(cè)方法有多元線性回歸法[15-16]、人工神經(jīng)網(wǎng)絡(luò)法[17]、貝葉斯理論、灰色理論法、時(shí)間序列法和支持向量機(jī)[18-20]等。如Naji等[21]提出了一種基于極限學(xué)習(xí)機(jī)的建筑能耗預(yù)測(cè)模型，實(shí)驗(yàn)數(shù)據(jù)表明，該模型比ANN模型的預(yù)測(cè)精度高；有的學(xué)者將神經(jīng)網(wǎng)絡(luò)法與模糊推理法結(jié)合起來(lái)共同去預(yù)測(cè)建筑能耗。

包頭市是西北地區(qū)最重要的重工業(yè)城市，產(chǎn)業(yè)重型化是其顯著特征。為響應(yīng)國(guó)家綠色減排發(fā)展的號(hào)召，包頭市政府在“十三五”規(guī)劃中強(qiáng)調(diào)，要制定符合現(xiàn)階段發(fā)展特征的碳減排政策。據(jù)統(tǒng)計(jì)，截至2019年包頭全市房地產(chǎn)業(yè)計(jì)劃完成投資225億元以上，占第三產(chǎn)業(yè)的17%以上，占全市固定資產(chǎn)投資的7%以上[22]。高速發(fā)展意味著碳的高排放。本文以包頭市城區(qū)工業(yè)建筑、居住建筑和公共建筑的碳排放量計(jì)算和預(yù)測(cè)為目標(biāo)，利用當(dāng)?shù)亟y(tǒng)計(jì)局公布的逐年能源平衡表為數(shù)據(jù)樣本，基于能源平衡表的建筑能耗宏觀算法模型核算建筑能源標(biāo)準(zhǔn)煤消耗量，利用LSTM模型預(yù)測(cè)包頭市2021—2030年的建筑能耗量與碳排放量，探討包頭市能否如期達(dá)到預(yù)計(jì)的減排目標(biāo)，并為其他重工業(yè)城市建筑碳排放核算及預(yù)測(cè)研究提供理論依據(jù)。

1 計(jì)算方法與預(yù)測(cè)模型

1.1 建筑碳排放核算方法

（1）建筑碳排放范圍界定。建筑碳排放通常包含直接碳排放量和間接碳排放量，其中直接碳排放量是建筑自身所產(chǎn)生的二氧化碳量，而間接碳排放量是由建筑引發(fā)的其他相關(guān)聯(lián)產(chǎn)業(yè)用能的碳排放量。

目前，國(guó)內(nèi)外學(xué)者對(duì)于建筑能耗與碳排放的核算邊界尚存爭(zhēng)議。一類是研究建筑全生命周期的能耗，包括建筑建造階段、運(yùn)行階段和拆除階段；另一類則是只核算建筑運(yùn)行階段的能耗[23]。根據(jù)杜強(qiáng)等[24]關(guān)于市域間接建筑業(yè)碳排放量的研究，其占比遠(yuǎn)低于省際乃至全國(guó)，原因是建筑業(yè)產(chǎn)業(yè)關(guān)聯(lián)度較高，建筑間接碳排放量在城市碳排放總量中的占比隨著研究區(qū)域的擴(kuò)大而增加。由于當(dāng)前包頭市各行業(yè)間的投入產(chǎn)出表尚未完善，部分統(tǒng)計(jì)工作尚處于起步階段，無(wú)法獲得完整的數(shù)據(jù)樣本，所以本文對(duì)包頭市的建筑能耗與碳排放的核算邊界參考第二類，僅核算建筑運(yùn)行階段的能耗。

建筑按照使用功能可分為居住建筑、公共建筑、工業(yè)建筑三類，以2018年為例，包頭市居住用地面積、公共用地面積、工業(yè)用地面積分別約占城市現(xiàn)狀建設(shè)用地面積的29%、17%和23%；同年建筑業(yè)企業(yè)房屋建筑竣工面積情況中，住宅房屋竣工面積約占總建筑竣工面積的60%，公共建筑約占22%，工業(yè)建筑約占17%。本研究認(rèn)為建筑碳排放應(yīng)分類型計(jì)算，一方面，不同建筑類型的影響因子、碳排放權(quán)重并不相同，分類計(jì)算可獨(dú)立反映某一種建筑類型的實(shí)際碳排放，以便針對(duì)其特征提出相應(yīng)的節(jié)能減排方法；另一方面，分類計(jì)算方法能更加科學(xué)、準(zhǔn)確地反映碳足跡，為后續(xù)研究提供了數(shù)據(jù)基礎(chǔ)。

（2）建筑業(yè)宏觀能耗計(jì)算法。IEA和EIA終端能源消耗行業(yè)劃分中把“居住”和“商業(yè)及公共服務(wù)”分為建筑能耗。通過(guò)比對(duì)，可確定中國(guó)建筑能耗宏觀計(jì)算時(shí)應(yīng)包含三項(xiàng)：批發(fā)、零售和住宿、餐飲業(yè)、其他以及生活消費(fèi)。根據(jù)秦貝貝[14]提出的中國(guó)建筑能耗宏觀計(jì)算公式：建筑能耗=(生活消費(fèi)扣除全部柴油+批發(fā)、零售和住宿、餐飲業(yè)，其他能源扣除95%汽油、35%柴油)+k1×工業(yè)能耗+k2×(生活消費(fèi)熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)。

其中，生活消費(fèi)扣除全部柴油指的是在“工廠法”算法下其由于交通運(yùn)輸所產(chǎn)生的能源消耗；批發(fā)、零售和住宿、餐飲業(yè)和其他能源同上[25]；k1×工業(yè)能耗指的是工業(yè)消費(fèi)中包含的建筑能耗；k2×(生活消費(fèi)熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)指的是三項(xiàng)消費(fèi)中電力及熱力的消費(fèi)修正。k1、k2為系數(shù)，取值時(shí)利用對(duì)比分析選擇與現(xiàn)有能耗數(shù)據(jù)誤差最小的值。

以清華大學(xué)中國(guó)建筑能耗模型（CBEM）計(jì)算的建筑能耗為基準(zhǔn)，選擇1996—2010年中國(guó)建筑能耗數(shù)據(jù)為樣本數(shù)據(jù)，以此建立線性規(guī)劃模型：

式中：EQi是清華大學(xué)計(jì)算的建筑總能耗；EQHi是清華大學(xué)計(jì)算的建筑采暖能耗；EBi指的是能源平衡表中的建筑能耗；EIi是工業(yè)建筑能耗；EHi是生活消費(fèi)，批發(fā)、零售和住宿、餐飲業(yè)，以及其他熱力消費(fèi)總量。

式（1）線性規(guī)劃模擬為誤差最小的建筑總能耗與清華大學(xué)數(shù)據(jù)的擬合值，式（2）線性規(guī)劃模擬為誤差最小的采暖能耗與清華大學(xué)數(shù)據(jù)的擬合值。其中，包頭地區(qū)的建筑采暖以集中供暖為主，主要消費(fèi)的是二次能源，其統(tǒng)計(jì)邊界與其他建筑能耗類型不同，故此將采暖能耗單獨(dú)列出。

試算法結(jié)果下可知，當(dāng)k1=5%，k2=2.5時(shí)，擬合結(jié)果誤差最低。

即中國(guó)建筑能耗宏觀計(jì)算公式應(yīng)為：建筑能耗=(生活消費(fèi)扣除全部汽油、95%柴油+批發(fā)、零售和住宿、餐飲業(yè)，其他能源扣除95%汽油、35%柴油)+5%×工業(yè)能耗+2.5×(生活消費(fèi)熱力+批發(fā)、零售和住宿、餐飲業(yè)熱力+其他熱力)。

（3）建筑業(yè)直接碳排放核算方法。建筑業(yè)的直接碳排放量由當(dāng)年建筑業(yè)的能源消耗量計(jì)算：

式中：Z為包頭市當(dāng)年建筑業(yè)直接碳排放量，單位為萬(wàn)噸（以CO2計(jì)，下文同）；E為包頭市當(dāng)年建筑業(yè)能源標(biāo)準(zhǔn)煤消耗量；ρ為能源消耗碳排放因子，以標(biāo)準(zhǔn)煤數(shù)據(jù)法得：

式中：EFst為能源消費(fèi)標(biāo)準(zhǔn)量的排放因子，單位為噸/噸標(biāo)煤。由于該因子是一個(gè)經(jīng)驗(yàn)估計(jì)值，不同研究所給出的排放因子也不同，本文選取國(guó)家發(fā)改委能源研究所的數(shù)據(jù)，即EFst=0.67，計(jì)算可得：ρ=2.46[26]。

1.2 建筑業(yè)碳排放預(yù)測(cè)方法

（1）LSTM模型基本原理。LSTM模型對(duì)非線性和非平穩(wěn)時(shí)間序列具有較強(qiáng)逼近能力的特點(diǎn)，可以有效提高建筑能耗預(yù)測(cè)的精度。LSTM模型原型是循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network,RNN），這是一類以序列數(shù)據(jù)為輸入值的遞歸神經(jīng)網(wǎng)絡(luò)。LSTM預(yù)測(cè)模型在RNN模型的基礎(chǔ)上新加了細(xì)胞狀態(tài)和“門”結(jié)構(gòu)，使得它能保持一個(gè)更恒定的誤差值[27]。

（2）建模過(guò)程。在使用LSTM模型預(yù)測(cè)前要先進(jìn)行原始數(shù)據(jù)的預(yù)處理，包括異常值與歸一化兩項(xiàng)。完成數(shù)據(jù)預(yù)處理之后，將數(shù)據(jù)轉(zhuǎn)化成監(jiān)督學(xué)習(xí)問(wèn)題的數(shù)據(jù)幀，將n-1時(shí)刻的各個(gè)變量作為輸入X=[var1(n-1),var2(n-1),var3(n-1),…,var5(n-1)]，將n年的能耗值作為輸出Y=var1(n)。根據(jù)圖1的示意圖，運(yùn)用LSTM模型對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，多次訓(xùn)練后，選擇誤差最小的參數(shù)作為預(yù)測(cè)模型的參數(shù)，然后對(duì)預(yù)測(cè)數(shù)據(jù)使用LSTM模型，得到建筑能耗預(yù)測(cè)數(shù)據(jù)結(jié)果[28]。

圖1 LSTM模型運(yùn)行示意圖

2 建筑業(yè)碳排放核算與預(yù)測(cè)結(jié)果

2.1 建筑業(yè)碳排放目標(biāo)

據(jù)國(guó)際能源署公報(bào)顯示，2020年，全球?qū)崿F(xiàn)了歷史上最大的碳排放量降幅，達(dá)到20億噸量級(jí)。2021年是氣候行動(dòng)的關(guān)鍵一年，如果當(dāng)前對(duì)今年全球經(jīng)濟(jì)反彈的預(yù)期得到證實(shí)，而世界主要經(jīng)濟(jì)體不采取重大政策調(diào)整，2021年全球排放量會(huì)進(jìn)一步增加[29]。歐盟委員會(huì)氣候行動(dòng)總司官網(wǎng)的信息顯示，歐盟排放交易體系的第四交易階段為2021—2030年。這與我國(guó)提出的“30·60”目標(biāo)一致。為達(dá)到國(guó)家承諾的階段性CO2減排目標(biāo)，包頭市建筑業(yè)應(yīng)至少實(shí)現(xiàn)到2020年直接碳排放減少336.29萬(wàn)～394.10萬(wàn)噸的目標(biāo)。

2.2 建筑業(yè)能源標(biāo)準(zhǔn)煤消耗量

由中國(guó)能源平衡表中統(tǒng)計(jì)方式、終端能源計(jì)算方式及終端能耗行業(yè)分類與IEA能源平衡表、EIA能流圖對(duì)比差異可知，中國(guó)建筑能源平衡表中生活消費(fèi)表達(dá)居住建筑能耗；批發(fā)、零售和住宿、餐飲業(yè)以及其他消費(fèi)表達(dá)公共建筑能耗；工業(yè)消費(fèi)包含的非工業(yè)建筑用能（如辦公樓、家屬樓、食堂等）納入工業(yè)建筑能耗范圍。對(duì)每項(xiàng)消費(fèi)修正過(guò)后，即得當(dāng)年某種建筑類型的能源標(biāo)準(zhǔn)煤消耗量。

根據(jù)《包頭統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》的能源平衡表，計(jì)算得出包頭市2002—2020年建筑能源標(biāo)準(zhǔn)煤消耗量，詳見(jiàn)表1。

表1 2002—2020年包頭市建筑能源標(biāo)準(zhǔn)煤消耗量

由表1可知，包頭市2002—2020年居住建筑能耗最高值是2012年的314.79萬(wàn)噸標(biāo)準(zhǔn)煤，最低值為2002年的36.25萬(wàn)噸標(biāo)準(zhǔn)煤，相差約8.7倍；公共建筑能耗最高值為2014年的433.70萬(wàn)噸標(biāo)準(zhǔn)煤，與最低值相差約11倍；而工業(yè)建筑能耗最高值為2019年的198.34萬(wàn)噸標(biāo)準(zhǔn)煤，與最低值相差約6.6倍。

2.3 建筑業(yè)直接碳排量核算

由表2可知，包頭市建筑業(yè)2002—2020年直接碳排放量由1.1節(jié)中的公式計(jì)算所得?？偨ㄖ寂欧帕?002年最低為259.22萬(wàn)噸，2014年最高為1 996.74萬(wàn)噸。三類不同建筑的碳排放量由高到低依次為公共建筑＞居住建筑＞工業(yè)建筑，其中2011—2013年居住建筑＞公共建筑＞工業(yè)建筑。

由圖2可知，2002—2020年包頭市建筑直接碳排放量呈現(xiàn)上升趨勢(shì)，2014年的1 996.74萬(wàn)噸為最高值，最高值與最低值相差約7.7倍。2008—2020年，建筑直接碳排放量穩(wěn)定在1 205.79萬(wàn)噸以上。

2.4 建筑碳排放預(yù)測(cè)趨勢(shì)

將包頭市2002—2020年居住建筑、公共建筑以及工業(yè)建筑三類建筑能耗作為樣本數(shù)據(jù)，分別代入LSTM模型中訓(xùn)練數(shù)據(jù)，LSTM運(yùn)行訓(xùn)練誤差，取誤差最小的值為數(shù)據(jù)參數(shù)，將兩者一起代入LSTM模型中模擬計(jì)算，如圖1中所示模型運(yùn)行示意，得到包頭市建筑類型第n年的建筑能耗預(yù)測(cè)數(shù)據(jù)，詳見(jiàn)圖3。

圖4橫軸為預(yù)測(cè)年份，縱軸為建筑能耗量，2002—2020年曲線為核算數(shù)據(jù)趨勢(shì)，2021—2030年虛曲線為L(zhǎng)STM模型預(yù)測(cè)趨勢(shì)。包頭市2021—2030年總體建筑能耗預(yù)測(cè)如圖4所示。

表2 2002—2020年包頭市建筑直接碳排放量

圖2 2002—2020年包頭市建筑直接碳排放量趨勢(shì)

圖3 包頭市三類建筑能耗預(yù)測(cè)趨勢(shì)

由圖3可知，在2021—2030年間，居住建筑能耗預(yù)測(cè)2023年的286.52萬(wàn)噸標(biāo)煤為最高值，最高值與最低值相差約2.5倍；公共建筑能耗預(yù)測(cè)在2021年達(dá)到最高值為376.80萬(wàn)噸標(biāo)煤，與最低值相差約2.2倍；工業(yè)建筑能耗預(yù)測(cè)是三類建筑類型中波動(dòng)最小的，最高值是在2024年達(dá)到了209.11萬(wàn)噸標(biāo)煤，與最低值相差約1.9倍。三類不同建筑的碳排放量由高到低依次為公共建筑＞居住建筑＞工業(yè)建筑，僅在2023年時(shí)居住建筑＞公共建筑＞工業(yè)建筑，2024—2025年間居住建筑＞工業(yè)建筑＞公共建筑。包頭市總建筑能耗在2022年達(dá)到峰值816.36萬(wàn)噸標(biāo)煤，與2030年最低值387.79萬(wàn)噸標(biāo)煤相差約2.1倍。由式（3）可知，建筑能耗與建筑碳排放呈正向線性相關(guān)，即包頭市建筑碳排放預(yù)測(cè)趨勢(shì)與建筑能耗預(yù)測(cè)趨勢(shì)呈正向線性相關(guān)。

圖4 包頭市總體建筑能耗預(yù)測(cè)趨勢(shì)

3 結(jié)果與分析

3.1 碳排放目標(biāo)

中國(guó)政府曾在《國(guó)家應(yīng)對(duì)氣候變化規(guī)劃（2014—2020年）》中承諾，截至2020年，單位國(guó)內(nèi)生產(chǎn)總值CO2排放比2005年下降40%～45%[30]。包頭市2020年建筑直接碳排放量卻同比2005年增長(zhǎng)了超1 000萬(wàn)噸，漲幅約124%。同時(shí)LSTM模型預(yù)測(cè)包頭市2021年建筑直接碳排放量達(dá)到1 964.21萬(wàn)噸，符合由經(jīng)濟(jì)因素造成的碳排放量反彈的預(yù)期。包頭市建筑行業(yè)減排任務(wù)十分艱巨。

3.2 標(biāo)準(zhǔn)煤消耗量

包頭市2002—2020年建筑標(biāo)準(zhǔn)煤消耗量中公共建筑＞居住建筑＞工業(yè)建筑，其中公共建筑也是漲幅最大的一類建筑。2010—2013年4年間，包頭市綜合能源消費(fèi)量年均增速為4.5%，GDP年均增速為10.1%，經(jīng)濟(jì)發(fā)展帶動(dòng)了房地產(chǎn)經(jīng)濟(jì)的蓬勃飛躍，通信、交通等基礎(chǔ)設(shè)施的大量建立與完善，都是導(dǎo)致建筑業(yè)單位產(chǎn)值能耗快速增長(zhǎng)的原因，尤以公共建筑漲幅最為明顯。

3.3 建筑碳排放核算

過(guò)去包頭市建筑碳排放整體呈現(xiàn)上升的主要原因存在兩方面，一是當(dāng)?shù)啬茉唇Y(jié)構(gòu)的不足，二是經(jīng)濟(jì)高速發(fā)展帶來(lái)的弊端。長(zhǎng)期以來(lái)，包頭市的發(fā)展和工業(yè)緊密聯(lián)系，產(chǎn)業(yè)門類齊全，但大部分還處于結(jié)構(gòu)不優(yōu)、技術(shù)不精的狀況。1995年包頭市工業(yè)增加值可占全市生產(chǎn)總值的53.4%，到2019年只占到30.1%，下滑比較嚴(yán)重。以2013年為例，工業(yè)消費(fèi)占到第二產(chǎn)業(yè)的99.2%，占全市總消費(fèi)量的80.8%。能源消費(fèi)結(jié)構(gòu)依然為資源消耗型，清潔能源的占比較低。在消費(fèi)總量中仍然以原煤和天然氣為主，其中原煤可占到80%以上，并呈現(xiàn)逐年上升的趨勢(shì)，以煤炭為主的能源結(jié)構(gòu)在短期內(nèi)無(wú)法得到改善。建筑業(yè)屬于第二產(chǎn)業(yè)，相關(guān)的碳排放量會(huì)隨著二次能源消費(fèi)比例的增加、煤炭燃燒在消費(fèi)總量中占比的增加而增長(zhǎng)。建筑碳排放量預(yù)測(cè)總體呈現(xiàn)下降趨勢(shì)，波動(dòng)較小，這與包頭市一直致力于供給側(cè)結(jié)構(gòu)性改革，積極響應(yīng)國(guó)家低碳減排號(hào)召，推行綠色建筑和清潔能源的使用有較大關(guān)系。

3.4 建筑碳排放預(yù)測(cè)

張維陽(yáng)等[31]研究發(fā)現(xiàn)包頭市作為典型的傳統(tǒng)資源型城市，其碳排放量增長(zhǎng)較快，超越了全國(guó)能源消費(fèi)碳排放的平均增速；經(jīng)濟(jì)發(fā)展同碳排放量協(xié)同增長(zhǎng)，前者高于后者，碳排放效率逐年減小，離絕對(duì)減排的目標(biāo)相差較遠(yuǎn)。《城市達(dá)峰指導(dǎo)手冊(cè)》指出，城市二氧化碳達(dá)峰并不是指某一年二氧化碳排放達(dá)到峰值，只有當(dāng)城市二氧化碳排放達(dá)到持續(xù)穩(wěn)定的下降狀態(tài)，才意味著城市實(shí)現(xiàn)二氧化碳達(dá)峰。包頭市作為資源型重工業(yè)城市節(jié)能減排任務(wù)仍任重道遠(yuǎn)，建筑行業(yè)碳排放量對(duì)當(dāng)?shù)靥歼_(dá)峰具有十分重要的意義。LSTM模型預(yù)測(cè)包頭市建筑行業(yè)將于2022年實(shí)現(xiàn)碳達(dá)峰，若對(duì)建筑行業(yè)進(jìn)行改造升級(jí)，使之盡早達(dá)峰減排，則可為當(dāng)?shù)靥紲p排做出巨大貢獻(xiàn)。

4 主要結(jié)論

本次研究與其他中國(guó)建筑能耗核算方法相比較有數(shù)據(jù)獲取便捷、計(jì)算簡(jiǎn)便的優(yōu)勢(shì)，計(jì)算樣本來(lái)自國(guó)家或者各省份能源統(tǒng)計(jì)局所公布的能源統(tǒng)計(jì)年鑒。算法中存在缺點(diǎn)，首先工業(yè)能耗核算時(shí)其中的建筑能耗與采暖能耗比例的修正缺乏更微觀細(xì)致的調(diào)查數(shù)據(jù)，可能會(huì)導(dǎo)致誤差值偏高的問(wèn)題。包頭市建筑碳排放量是以當(dāng)年的建筑能耗為基礎(chǔ)核算，建筑能耗在核算邊界時(shí)確定為建筑運(yùn)行階段的能耗。

LSTM預(yù)測(cè)模型將時(shí)間序列問(wèn)題轉(zhuǎn)換為監(jiān)督學(xué)習(xí)問(wèn)題，相比于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)方法，此模型可獲得更為準(zhǔn)確的預(yù)測(cè)數(shù)據(jù)。但由于包頭市當(dāng)?shù)啬茉唇y(tǒng)計(jì)數(shù)據(jù)起步較晚，數(shù)據(jù)量及其精細(xì)度都有限，因此造成本次研究樣本數(shù)據(jù)偏少，可能會(huì)造成預(yù)測(cè)數(shù)據(jù)產(chǎn)生一定的誤差[32]。

本研究為包頭市建筑業(yè)提供了整體數(shù)據(jù)及趨勢(shì)預(yù)測(cè)，對(duì)當(dāng)?shù)卣鞔_碳排放責(zé)任、發(fā)展低碳建筑、落實(shí)綠色建筑提供了數(shù)據(jù)支撐。2002—2020年包頭市建筑業(yè)直接碳排放整體呈現(xiàn)上升趨勢(shì)，到2022年包頭市可實(shí)現(xiàn)建筑碳達(dá)峰。但以短期目標(biāo)來(lái)看，包頭市無(wú)法按期完成減排目標(biāo)，且差距較大，能源消費(fèi)的高耗能仍然存在，建筑業(yè)轉(zhuǎn)型升級(jí)十分緊迫。

傳統(tǒng)資源型工業(yè)城市高度依賴化石能源造成了大量二氧化碳的排放，在全球溫室效應(yīng)的背景下可持續(xù)發(fā)展就成為必然選擇。傳統(tǒng)資源型重工業(yè)城市一般具有低GDP、高碳排放的特點(diǎn)，碳減排空間潛力巨大。本研究以期為傳統(tǒng)資源型重工業(yè)城市探索建筑行業(yè)碳排放核算及預(yù)測(cè)研究的可行方法。