基于深度学习LSTM模型的中国可持续航空燃料需求与碳排放预测研究
杨莉杉1
王红蕾2
1.贵州大学 管理学院,贵州 贵阳 5500252.贵州大学 管理学院,贵州 贵阳 550025;贵州省 "互联网+" 协同智能制造重点实验室,贵州 贵阳 550025
摘要：为破解中国可持续航空燃料市场需求不明、政策规划不清晰的挑战,从国家燃料需求与政策力度视角出发,结合历史数据,构建了基于LSTM模型的燃料消耗预测与情景分析框架,并引入蒙特卡罗模拟量化未来不确定性.研究发现,尽管运营效率持续改善,但航空业务量增长将驱动行业耗油量在2025-2050 年间增长 46%,凸显了单一技术减排的局限性.在低碳加速情景下,2050年SAF需求可达3185 万t(占比50%),助力碳减排92%,而政策支持不足将导致减排效果出现24个百分点的差距;蒙特卡罗模拟进一步表明,未来需求具有显著的不确定性,但存在向高增长路径发展的潜力.该研究系统刻画了中国SAF的中长期需求路径与减排潜力,为设定科学掺混目标、制定分阶段产业政策提供了关键的量化依据与决策支持.
关键词：可持续航空燃料(SAF)需求预测碳排放预测LSTM模型
分类号：F416.21(世界工业经济)
资助基金：贵州省研究生科研基金资助项目(2024YJSKYJJ021)
论文发表日期：2026-01-28
在线出版日期：2026-03-19（本平台首次上网日期，不代表文献的发表时间）
页数：10( 130-139 )
英文信息