Resumen

Como industria pilar de la economía nacional, la industria de la construcción de China sigue enfrentándose a la situación de un importante consumo de energía y elevadas emisiones de CO2, lo que constituye un campo clave para la conservación de la energía y la reducción de las emisiones. En la investigación de las emisiones de CO2, es esencial centrarse en el análisis de las tendencias presentes y futuras de las emisiones de CO2 en la industria de la construcción de China. Este artículo presenta un novedoso modelo de predicción, en el que el algoritmo ponderado se combina con la red neuronal Elman (ENN) optimizada mediante el algoritmo Adaptive Boosting (Adaboost) para evaluar las futuras emisiones de CO2 en la industria de la construcción de China. En primer lugar, se utiliza el índice logarítmico medio Divisia (LMDI) para descomponer las emisiones de CO2 en indicadores económicos, estructurales, de intensidad y de población, que se plantean como entradas del modelo Adaboost-ENN ponderado. A continuación, mediante la comparación con otros tres modelos basados en los datos de las emisiones totales de CO2 en la industria de la construcción de China durante 2004-2016, se demuestra que el modelo propuesto tiene un rendimiento de predicción favorable. Sobre esta base, empleamos el análisis de escenarios para predecir la tendencia futura de las emisiones de CO2 en la industria de la construcción de China. Se puede encontrar que el pico de emisiones de CO2 en la industria de la construcción de China se alcanzará antes de 2030 en el escenario de altas emisiones de carbono (HS) y en el escenario base de carbono (BS), mientras que no se realizará en el escenario de bajas emisiones de carbono (LS). Por último, se proponen recomendaciones políticas específicas relacionadas con la conservación de la energía y la reducción de emisiones en la industria de la construcción china.

• Materias:Energía Consumo de energía Fuentes de energía Termodinámica Análisis de emisiones
• Subjects:Energy Energy consumption Energy sources Thermodynamics Emission Analysis
• Palabras claves:industria de la construcción, china, emisiones de co2, reducción de emisiones, conservación de la energía, índice de divisia media logarítmica, investigación sobre emisiones de co2, escenario de referencia del carbono, resultados de predicción favorables, emisiones futuras de co2
• Keywords:construction industry, china, co2 emissions, emission reduction, energy conservation, logarithmic mean divisia index, co2 emissions research, baseline carbon scenario, favorable prediction performance, future co2 emissions