问题三：多情景碳排放趋势预测与碳达峰研判

赛题要求：基于最优预测模型，设定基准、低碳、强化低碳三种发展情景，预测 2026-2045 年全国碳排放总量与强度变化趋势，研判碳达峰时间节点、峰值水平及减排潜力。
模型衔接：使用问题二 Ridge-STIRPAT 参数，并以 2024 年实际 CO2 排放锚定，预测未来相对变化。

一、情景设定

三类情景分别代表政策惯性、适度低碳转型和强化低碳转型。人口路径三情景共用：2024 年 140828 万人，2030 年 139815 万人，2045 年 129500 万人。其余核心参数如下：

情景 人均GDP增速 城镇化节点 煤炭占比节点 第二产业节点 能耗强度下降
基准情景 2025-2030: 4.5%; 2031-2035: 4.0%; 2036-2045: 3.0% 2029: 69.5%; 2035: 72.0%; 2045: 76.0% 2030: 48.0%; 2045: 38.0% 2030: 35.5%; 2045: 32.0% 2025-2030: 2.5%/年; 2031-2045: 2.0%/年
低碳情景 2025-2030: 4.8%; 2031-2035: 4.2%; 2036-2045: 3.3% 2029: 70.0%; 2035: 73.0%; 2045: 78.0% 2030: 44.0%; 2045: 28.0% 2030: 34.0%; 2045: 28.0% 2025-2030: 3.5%/年; 2031-2045: 3.0%/年
强化低碳情景 2025-2030: 5.0%; 2031-2035: 4.3%; 2036-2045: 3.5% 2029: 70.5%; 2035: 75.0%; 2045: 80.0% 2030: 40.0%; 2045: 18.0% 2030: 33.0%; 2045: 25.0% 2025-2030: 4.5%/年; 2031-2045: 4.0%/年

二、预测方法

首先构造 2024-2045 年人口、人均 GDP、城镇化率、煤炭占比、第二产业占比和单位 GDP 能耗路径；对节点型变量采用归一化 Logistic 过渡，对增长率/下降率型变量采用滚动迭代。然后将每年自变量代入问题二 Ridge-STIRPAT 模型：

$$\ln C_t = \alpha + \sum_j \beta_j x_{jt}$$

为避免模型绝对水平偏差，采用 2024 年实际排放进行锚定：

$$C_t=C_{2024}^{obs}\exp(\widehat{\ln C_t}-\widehat{\ln C_{2024}})$$

考虑到 Ridge-STIRPAT 的二次收入项在 2026-2045 年外推时会放大局部历史噪声，原始预测曲线可能出现不符合情景逻辑的短期回落-反弹。为此，在保留最优模型方向和端点信息的前提下，对 ln(CO2) 增加端点锚定的二次最小二乘趋势校准：

$$\min_q\sum_t{y_t^{raw}-[y_0+(y_1-y_0)u_t+q u_t(1-u_t)]}^2,\quad u_t=\frac{t-2026}{2045-2026}$$

其中 $y_t^{raw}$ 为 Ridge-STIRPAT 原始预测的对数排放，$y_0$ 和 $y_1$ 分别固定为 2026、2045 年原始预测端点。为避免重新引入波动，$q$ 被限制在端点方向对应的单调区间内。该处理等价于对预测曲线做形状约束的最小二乘校准：低碳和强化低碳情景呈平滑下降，基准情景若端点仍上升，则解释为政策惯性下减排强度不足，而不是短期噪声。

需要强调的是，趋势校准后的曲线是用于中长期研判的趋势层，并非否认原始 STIRPAT 输出中所有局部波动。局部反弹也可能包含模型对结构性变化的非线性响应信号；但在本题情景变量均按平滑政策路径设定、且反弹年份没有明确政策冲击节点的情况下，将其作为外推噪声处理更符合“2026-2045 趋势预测”的题意。为保持透明性，output_q3_predictions.csv 保留原始预测列，图8专门对比原始曲线与校准曲线。

碳排放强度按校准后的 CO2_Mt × 100 / GDP_亿元 计算，其中 GDP 继承问题二的 2000 年不变价口径。输出表同时保留 raw_CO2_Mt 与 raw_carbon_intensity_t_per_10k_yuan，便于复核校准前后的差异。

趋势校准诊断如下。raw_direction_violations 表示原始预测中与端点方向相反的局部波动次数，校准后均降为 0，说明图中短期反弹已被最小二乘趋势层消除。

scenario_name trend_direction_after_calibration raw_direction_violations calibrated_direction_violations max_abs_adjustment_pct max_adjustment_year trend_curvature_q
基准情景 上升 5 0 4.186 2034 0.163
低碳情景 下降 7 0 7.132 2041 0.184
强化低碳情景 下降 4 0 11.58 2041 0.462

三、达峰结果

scenario_name peak_year peak_co2_mt status peak_note co2_2030_mt co2_2045_mt intensity_2030_t_per_10k_yuan intensity_decline_2030_vs_2005_pct
基准情景 2045 1.465e+04 预测期内未确认达峰 2045年为预测期末最高值，平滑曲线尚未形成右侧下降段 1.322e+04 1.465e+04 1.555 54.41
低碳情景 2026 1.209e+04 预测期初达峰 峰值落在预测期起点，表示2026年后整体进入下降或低位波动 1.186e+04 9539 1.371 59.79
强化低碳情景 2026 1.179e+04 预测期初达峰 峰值落在预测期起点，表示2026年后整体进入下降或低位波动 1.08e+04 5390 1.234 63.81
  • 基准情景：预测期内未出现可确认达峰点；2045 年为期末最高值，约 14653 Mt。2030 年 CO2 约 13220 Mt，2045 年约 14653 Mt，说明按该情景达峰时间可能推迟至 2045 年以后。
  • 低碳情景：达峰年份判定为 2026 年，峰值约 12093 Mt，2030 年 CO2 约 11861 Mt，2045 年约 9539 Mt，状态为“预测期初达峰”。
  • 强化低碳情景：达峰年份判定为 2026 年，峰值约 11791 Mt，2030 年 CO2 约 10797 Mt，2045 年约 5390 Mt，状态为“预测期初达峰”。

由于赛题预测窗口从 2026 年开始，低碳和强化低碳情景的“2026 年达峰”应理解为“预测期初达峰”。该结论对 2024 年实际排放和 2025 年过渡路径较敏感，过渡年结果如下：

scenario_name CO2_2024_Mt CO2_2025_Mt CO2_2026_Mt 过渡年敏感性说明
基准情景 1.19e+04 1.219e+04 1.243e+04 2026高于2025，预测窗口起点仍处于上行段或平台期
低碳情景 1.19e+04 1.209e+04 1.209e+04 2026高于2025，预测窗口起点仍处于上行段或平台期
强化低碳情景 1.19e+04 1.199e+04 1.179e+04 若纳入2025过渡年，峰值可能落在2025；赛题窗口内判为2026期初达峰

从过渡年看，低碳情景 2025 年约 12085.3 Mt、2026 年约 12092.7 Mt；强化低碳情景 2025 年约 11989.5 Mt、2026 年约 11791.0 Mt。因此论文中不宜把 2026 写成精确自然年份断点，而应表述为“在低碳/强化低碳情景下，预测窗口开始时已处于峰值附近并进入下降通道”。

基准情景至 2045 年仍未确认达峰，说明单纯政策惯性不足以支撑 2030 年前达峰目标；若坚持“双碳”政策承诺，转型力度至少需要接近低碳情景。

四、减排潜力

  • 2045 年低碳情景较基准情景减少约 5115 Mt，降幅 34.9%。
  • 2045 年强化低碳情景较基准情景减少约 9263 Mt，降幅 63.2%。
  • 2026-2045 年低碳情景累计减排潜力约 55575 Mt，强化低碳情景累计减排潜力约 100951 Mt。

五、2030 碳强度目标校验

scenario_name intensity_2030_t_per_10k_yuan intensity_decline_2030_vs_2005_pct GDP口径 是否达到较2005下降65% 解释限制
基准情景 1.555 54.41 2000年不变价GDP 否 模型内部近似，基于2000基期口径
低碳情景 1.371 59.79 2000年不变价GDP 否 模型内部近似，基于2000基期口径
强化低碳情景 1.234 63.81 2000年不变价GDP 否 模型内部近似，基于2000基期口径

需要强调：本表已使用 2000 年不变价 GDP 口径，与最终建模方案保持一致；但由于 GDP 序列由官方实际增速递推得到，仍应作为模型内部一致性校验。

六、Monte Carlo 不确定性

scenario_name year p05_CO2_Mt p50_CO2_Mt p95_CO2_Mt
基准情景 2030 1.241e+04 1.303e+04 1.368e+04
基准情景 2045 1.273e+04 1.46e+04 1.658e+04
强化低碳情景 2030 1.01e+04 1.081e+04 1.151e+04
强化低碳情景 2045 4205 5405 6534
低碳情景 2030 1.117e+04 1.185e+04 1.223e+04
低碳情景 2045 8078 9513 1.102e+04

Monte Carlo 对人均 GDP 增速、煤炭占比节点、能耗下降率和城镇化率进行扰动，输出 5%/50%/95% 分位数。需要明确：该置信带代表给定 Ridge-STIRPAT 模型结构和系数条件下的情景参数不确定性，尚未扰动回归系数、模型结构误差和外部冲击，因此实际预测不确定性可能更宽。

七、敏感性分析

variable delta_vs_base_Mt delta_vs_base_pct
城镇化U 1455 15.25
第二产业IS 1148 12.04
煤炭占比ES 1032 10.81
人均GDP A 834 8.743
能耗强度T 119.1 1.249
人口规模P 40.85 0.428

敏感性分析以低碳情景 2045 年为基准。人口变量在 2000 年不变价 GDP 口径下呈正向响应，方向更符合人口规模扩大带来能源服务需求增加的直觉；但由于宏观变量仍高度共线，敏感性结果仍应理解为模型内部扰动响应，而非单变量因果实验。

八、输出文件

  • output_q3_scenario_paths.csv：2026-2045 年三情景自变量路径
  • output_q3_scenario_paths_full.csv：含 2024 锚定年和 2025 过渡年的完整自变量路径
  • output_q3_predictions.csv：2026-2045 年三情景 CO2 与碳强度预测
  • output_q3_predictions_full.csv：含 2024 锚定年和 2025 过渡年的完整预测轨迹
  • output_q3_peak_summary.csv：达峰年份、峰值和强度校验
  • output_q3_reduction_potential.csv：年度与累计减排潜力
  • output_q3_trend_calibration_check.csv：趋势校准前后方向违背诊断
  • output_q3_transition_year_check.csv：2024-2026过渡年达峰敏感性检查
  • output_q3_monte_carlo_bands.csv：Monte Carlo 90%区间
  • output_q3_sensitivity.csv：单变量±10%敏感性分析
  • output_q3_scenario_emissions.png：多情景排放曲线
  • output_q3_carbon_intensity.png：碳强度趋势
  • output_q3_monte_carlo_bands.png：不确定性置信带
  • output_q3_peak_comparison.png：达峰特征对比
  • output_q3_reduction_potential.png：减排潜力
  • output_q3_sensitivity.png：敏感性分析
  • output_q3_driver_paths.png：驱动变量路径
  • output_q3_raw_vs_calibrated.png：原始预测与趋势校准对比

九、局限性

  1. 问题三继承问题二模型，因此也继承 2000 年不变价 GDP 构造方法、样本量有限和强共线性下的条件系数解释限制。
  2. 情景参数来源于既定方案和政策目标，属于规范化假设而非真实未来；报告结论应表达为“在该情景假设下”。
  3. Monte Carlo 只扰动关键情景参数，没有纳入 Ridge-STIRPAT 系数估计误差、模型结构误差、政策突发冲击和国际能源价格冲击，因此置信带代表“给定模型下的情景参数不确定性”，不是完整预测不确定性。
  4. 趋势校准压制了短期波动，提升了中长期情景曲线的可解释性，但也可能弱化原始模型对某些结构性非线性变化的响应；因此报告同时保留 raw 预测列和 raw-vs-calibrated 对比图。

由 q3_full_solution.py 自动生成。