近日，经济学院副教授丁松与我院硕士生张华汉的论文《Forecasting Chinese provincial CO2emissions: A universal and robust new-information-based grey model》在国际顶级能源经济与管理领域期刊Energy Economics（SSCI，IF=9.252，二区Top）上发表。

在中国新发展理念下，二氧化碳排放量的精准预测对实现碳达峰和碳中和目标变得越来越重要。正因为如此，该研究提出了一种基于多学科交叉的预测模型，整合了计量经济学、运筹学以及机器学习中先进的优化算法，从而构建了一种新信息灰色预测模型。这一模型能够准确预测碳排放，解决省级碳排放预测中数据量少、差异大以及突发性难题。此外，为了研究预测结果的稳定性，该文还引入了多步长预测分析、蒙特卡罗模拟和概率密度分析，以图文为基础，直观地展示了预测结果的稳健性。实证研究中，大量省级碳排放预测实验表明，新信息灰色预测模型在通用性和稳定性上明显优于包括灰色模型、神经网络模型和统计模型在内的各种主流预测模型。基于此，新信息灰色预测模型预测了未来三年中国30个省份的二氧化碳排放量。这些预测结果的分布特征，不仅与主流研究和国际组织的预测结果相吻合，而且为政策制定者制定和实施具体省份的脱碳政策和规划提供了有力的数据支撑。该论文研究得到了浙江省哲学社会科学基金、国家自然科学基金项目、浙江省软科学研究计划项目以及浙江财经大学研究生学科交叉研究项目的资助。Song Ding, Huahan Zhang, 2023. Forecasting Chinese provincial CO2 emissions: A universal and robust new-information-based grey model. Energy Econ, 121, 106685.