Dự báo lượng khí thải CO2, mức tiêu thụ năng lượng tái tạo và tăng trưởng kinh tế ở Việt Nam bằng các mô hình xám

Bài báo này sử dụng các mô hình dự báo xám bao gồm GM (11) và DGM (11) để dự báo lượng khí thải CO2, mức tiêu thụ năng lượng tái tạo và tổng sản phẩm quốc nội (GDP) cho Việt Nam. Hiệu suất của GM (11) và DGM (11) mô hình được trình bày để so sánh độ chính xác dự báo của hai mô hình dự báo trên. Sau đó, mô hình tốt nhất đã được thực hiện để dự đoán giá trị tương lai của khí thải CO2 Việt Nam, mức tiêu thụ năng lượng tái tạo và GDP trong 5 năm tới. Nghiên cứu này thu thập dữ liệu hàng năm về lượng khí thải CO2, mức tiêu thụ năng lượng tái tạo và tổng sản phẩm quốc nội (GDP) của Việt Nam từ năm 2010 đến năm 2014. Dữ liệu được thu thập từ Ngân hàng Thế giới. Kết quả nghiên cứu cung cấp cho các nhà hoạch định chính sách những thông tin hữu ích trong việc tìm kiếm các giải pháp nâng cao hiệu quả năng lượng, tăng trưởng kinh tế và giảm thải CO2 ở Việt Nam.

Nguyễn Bá Thành Dự báo lượng khí thải CO2 DỰ BÁO LƯỢNG KHÍ THẢI CO2, MỨC TIÊU THỤ NĂNG LƯỢNG TÁI TẠO VÀ TĂNG TRƯỞNG KINH TẾ Ở VIỆT NAM BẰNG CÁC MƠ HÌNH XÁM Nguyễn Bá Thành(1) (1) Trường Đại Học Thủ Dầu Một Ngày nhận bài: 14/8/2018; Ngày gửi phản biện 20/8/2018; Chấp nhận đăng 20/11/2018 Email: thanhnb@tdmu.edu.vn Tóm tắt Bài báo sử dụng mơ hình dự báo xám bao gồm GM (11) DGM (11) để dự báo lượng khí thải CO2, mức tiêu thụ lượng tái tạo tổng sản phẩm quốc nội (GDP) cho Việt Nam Hiệu suất GM (11) DGM (11) mơ hình trình bày để so sánh độ xác dự báo hai mơ hình dự báo Sau đó, mơ hình tốt thực để dự đoán giá trị tương lai khí thải CO2 Việt Nam, mức tiêu thụ lượng tái tạo GDP năm tới Nghiên cứu thu thập liệu hàng năm lượng khí thải CO2, mức tiêu thụ lượng tái tạo tổng sản phẩm quốc nội (GDP) Việt Nam từ năm 2010 đến năm 2014 Dữ liệu thu thập từ Ngân hàng Thế giới Kết nghiên cứu cung cấp cho nhà hoạch định sách thơng tin hữu ích việc tìm kiếm giải pháp nâng cao hiệu lượng, tăng trưởng kinh tế giảm thải CO2 Việt Nam Từ khóa: mơ hình xám, lượng tái tạo, phát thải CO2, tăng trưởng kinh tế Abstract USING GREY MODELS TO PREDICT CO2 EMISSIONS, RENEWABLE ENERGY CONSUMPTION AND GDP IN VIETNAM This paper uses Grey forecasting models including GM (11) and DGM (11) to predict CO2 emissions, renewable energy consumption, and Gross domestic product (GDP) in Vietnam The performance of GM (11) and DGM (11) models is presented to measure their accuracy Then the best model has been implemented to predict the future value of Vietnam CO2 emissions, renewable energy consumption and GDP for the next years The data got from the World Bank was annually collected on CO2 emissions, renewable energy consumption and GDP from 2010 -2014 The results of this study give an useful information to policy makers in order to improve energy efficiency, economic growth and reduce CO2 emissions in Vietnam Giới thiệu Trong năm gần đây, với tăng trưởng kinh tế nhanh chóng, nhu cầu tiêu thụ lượng Việt Nam tăng lên đáng kể (Margareth Sembiring, 2016) Tuy nhiên, tăng tiêu thụ lượng, tăng trưởng kinh tế phát thải carbon dioxide (CO2) nguyên nhân gây nhiễm mơi trường (Nguyen, 2017) Vì vậy, nghiên cứu cách cân 34 Tạp chí Khoa học Đại học Thủ Dầu Một Số 4(39)-2018 tăng trưởng kinh tế bảo vệ môi trường vấn đề cấp bách Thúc đẩy phát triển lượng tái tạo tương đối Việt Nam Đó phần phát triển bền vững giảm phát thải khí nhà kính (Zhang, Zhou & Fang, 2014; Tsai, 2016) Nghiên cứu hiệu lượng tái tạo, phát thải CO2 tăng trưởng kinh tế trở nên quan trọng giảm thiểu biến đổi khí hậu lợi ích kinh tế Một số nghiên cứu mối quan hệ phát thải CO2, tiêu thụ lượng tăng trưởng kinh tế (Pao, Fu & Tseng, 2012; Ang, 2007; Wang, Ho & Hsueh, 2017; Wu et al., 2015) Xie et al., (2015) áp dụng mô hình dự báo xám để dự báo nhu cầu lượng giai đoạn 2006-2020 Trung Quốc Kết cho thấy tốc độ tăng trưởng tiêu thụ lượng Trung Quốc giảm theo sách tiết kiệm lượng Lin et al., (2011) sử dụng mơ hình GM (11) để dự đốn lượng khí thải CO2 Đài Loan Hamzacebi Karakurt (2015) dự báo lượng phát thải CO2 liên quan đến lượng giai đoạn 1965–2012 Thổ Nhĩ Kỳ Kết nghiên cứu lượng phát thải CO2 tăng 64% vào năm 2025 so với năm 2010 Tuy nhiên, chưa có nghiên cứu để dự đốn lượng phát thải CO2, mức tiêu thụ lượng tái tạo tăng trưởng kinh tế Việt Nam Vì vậy, nghiên cứu áp dụng mơ hình dự báo Xám bao gồm mơ hình GM (11) mơ hình DGM (11) để dự báo lượng phát thải CO2, mức tiêu thụ lượng tái tạo GDP Việt Nam Sai số tương đối trung bình tính tốn để đánh giá độ xác mơ hình dự báo Độ xác mơ hình dự báo cao áp dụng để dự báo giá trị tương lai Cơ sở toán học 2.1 Mơ hình dự báo Xám (Grey forecasting model) (11) Lý thuyết mơ hình Xám thiết kế Deng (1982) Mơ hình GM (11) mơ hình sử dụng phổ biến Mơ hình GM (11) cần lượng nhỏ liệu liệu mẫu ngẫu nhiên tính tốn đưa kết dự báo X(0)  x(0) (1), x(0) (2), x(0) (n) Thiết lập biến X(0) (1) (0) (1) Với X chuỗi không âm có n số liệu mơ hình hóa X thành lập phương pháp cộng tích lũy (accumulated generating operation – AGO):   X(1)  x(1) (1), x(1) (2), , x(1) (n) (2) k Với X(1) ( k)   x(0) (i), k  1, 2, , n i 1 Thiết lập phương trình mơ hình Xám: x(0) k  az(1) (k)  b, k  2, , n (3) a hệ số phát triển, b biến điều khiển Do đó, tác giả tính tốn hệ số a, b theo phương pháp bình phương tối thiểu T T 1 T a, b  ( B B) B YN -z(1) (2)   x(0) (2)      -z(1) (3)  (0)   Y =  x (3)  Với B=   N        (0)  -z(1) (n)   x (n) , Phương trình (3) viết lại sau: (4) dx(1) (k )  ax(1) (k )  b dk 35 (5) Nguyễn Bá Thành Dự báo lượng khí thải CO2 Giải phương trình (4) có giá trị dự báo cho chuỗi liệu từ AGO: b b x  (1) (k  1)  [ x (0) (1)  ]e ak  a a Bằng cách áp dụng AGO nghịch đảo, dự báo cho chuỗi liệu gốc biểu thị là: b  x  (0) (k  1)   x(0) (1)   e ak (1  ea ) a  ,  (0)  (0) Với k  2,3, , n, x (1)  x (1)  x (1) B Mơ hình Xám rời rạc DGM (11) Giả sử chuỗi X (0)  x(0) (1), x(1) (2), , x(1) (n) , chuỗi đạt qua AGU là: (0) k X (1) (k )   x(0) ( j ), k  1, 2, , n j 1 Phương trình:  x (1) (2)   (1)   x (3)  Y      x (1) (n)    (6) Được gọi mơ hình Xám rời rạc viết tắt DGM, sử dụng phương pháp bình phương nhỏ để có được:  a   a, u   BT B T  1 BY  x (1) (1)  x (1) (2)  1  (1)   (1)  1  x (2)  x (3)  Với B    ,Y         x (1) (n  1)   x (1) (n)      Đặt x(1) (1)  x(0) (1) , chức đệ quy cho bởi: x(1) (k  1)  a k x(0) (1)   ak u 1 a k=1,2, ,n-1, giá trị khơi phục cho bởi: x(0) (k  1)  x(1) (k  1)  x(1) (k ) =(x(0) (1)  , k=1,2,…,n-1 u )(1  )a k 1 a a (7) C Đo lường độ xác dự đoán Nghiên cứu áp dụng sai số tương đối trung bình (mean relative error - MRE) để đo tính xác mơ hình dự báo:  N  MRE  i 1 yi  yi yi N (8)  y i giá trị dự đốn mơ hình dự báo lớp i giá trị thực tế yi 36 Tạp chí Khoa học Đại học Thủ Dầu Một Số 4(39)-2018 Kết 3.1 Thu thập liệu Nghiên cứu thu thập liệu hàng năm lượng khí thải CO2, mức tiêu thụ lượng tái tạo tổng sản phẩm quốc nội (GDP) Việt Nam từ năm 2010 đến năm 2014 Dữ liệu thu thập từ ngân hàng giới Bài báo thu thập liệu lượng khí thải CO2 nguồn phát sinh từ việc đốt nhiên liệu hóa thạch sản xuất xi măng Mức tiêu thụ lượng tái tạo phần lượng tái tạo tổng tiêu thụ lượng cuối GDP tính đô la Mỹ theo giá 2000 (World bank) 3.2 Phân tích dự báo (Predict and analysis) Trong phần này, hai mơ hình dự báo Xám bao gồm GM (11) DGM (11) sử dụng để dự báo giá trị lượng phát thải CO2 Việt Nam, mức tiêu thụ lượng GDP từ năm 2015 đến năm 2019 Hiệu suất GM (11) DGM (11) mơ hình trình bày để so sánh độ xác dự báo hai mơ hình dự báo Sau đó, mơ hình tốt thực để dự đốn giá trị tương lai khí thải CO2 Việt Nam, mức tiêu thụ lượng tái tạo GDP năm tới Bảng cho thấy giá trị tiên đốn tính tốn mơ hình GM (11) mơ hình DGM (11) Kết cho thấy giá trị tiên đốn hai mơ hình so sánh có hiệu suất dự báo mạnh Tuy nhiên, mơ hình DGM (11) có sai số tương đối trung bình nhỏ (1,21%, 0,47% 0,04%) năm 2010-2019 so với GM (11) (4,83%, 1,86%, 0,17%) có nghĩa mơ hình DGM (11 ) tốt để dự báo lượng phát thải CO2, mức tiêu thụ lượng tái tạo GDP Việt Nam Bảng Các giá trị dự báo MRE phát thải CO2, tiêu thụ lượng tái tạo GDP Việt Nam DGM (11) Mô Tiêu thụ lượng tái tạo (% of total final energy consumption) GM DGM (11) (11) Mô Mô Thực tế phỏng Phát thải CO2 (kt) GD (constant 2010 US$) Năm Thực tế GM (11) Mô 2010 142,73 142,73 142,73 34,79 34,79 34,79 115,93 115,93 115,93 2011 152,16 144,51 144,75 36,52 37,31 37,31 123,16 122,94 122,94 2012 142,22 149,46 149,56 38,10 37,13 37,13 129,62 129,77 129,77 2013 147,23 154,58 154,53 37,38 36,96 36,96 136,65 136,97 136,97 2014 166,91 159,87 159,66 36,20 36,79 36,79 144,83 144,58 144,58 2015 165,34 164,96 36,63 36,62 152,57 152,61 2016 171,00 170,44 36,47 36,45 161,04 161,09 2017 176,85 176,10 36,30 36,28 169,98 170,038 2018 182,90 36,14 36,11 179,42 179,48 2019 189,16 35,98 35,94 189,38 189,44 MRE(%) (2016-2021) 4.83% 1.86% 0.47% 0.17% 0.04% 181,95 188,00 1.21% 37 Thực tế GM (11) Mô DGM (11) Mô Nguyễn Bá Thành Dự báo lượng khí thải CO2 Hình Dữ liệu dự báo số liệu thực tế lượng phát thải CO2 Việt Nam Hình Dữ liệu dự báo số liệu thực tế tiêu thụ lượng tái tạo Việt Nam Hình 1-3 cho thấy xu hướng thay đổi phát thải CO2, mức tiêu thụ lượng GDP Việt Nam Hình 1-3 cho thấy lượng phát thải CO2 lên tới 188.000 kilô vào năm 2019 với mức tăng 3% so với năm 2010 Tiêu thụ lượng tái tạo có xu hướng tăng 0,33% GDP dự báo tăng 5% năm 2019 so với năm 2010 Hình Dữ liệu dự báo số liệu thực tế GDP Việt Nam Kết luận Hiệu suất mô hình DGM (11) tốt mơ hình GM (11) Mơ hình DGM (11) áp dụng để dự báo lượng phát thải CO2, mức tiêu thụ lượng tái tạo GDP Việt Nam từ 2015 đến 2019 Giá trị dự báo cho thấy GDP Việt Nam tăng lên 189.449 triệu đô la Mỹ vào năm 2019, mức tiêu thụ lượng tái tạo không tăng đáng kể, lượng khí thải CO2 tăng lên 181, 957 (kt) vào năm 2018 Nghiên cứu cung cấp thông tin cho nhà hoạch định sách Việt Nam nhằm nâng cao hiệu lượng tái tạo, tăng trưởng kinh tế giảm lượng khí thải CO2 TÀI LIỆU THAM KHẢO [1] C Hamzacebi and I Karakurt (2015) Forecasting the energy-related CO2 emissions of Turkey using a grey prediction model Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 37(9),1023–1031 [2] C N Wang, H X T Ho and M H Hsueh (2017) An Integrated Approach for Estimating the Energy Efficiency of Seventeen Countries Energies, 10(10), 1597 38 Tạp chí Khoa học Đại học Thủ Dầu Một Số 4(39)-2018 [3] C S Lin, F M Liou and C P Huang (2011) Grey forecasting model for CO2 emissions: A Taiwan study Applied Energy, 88(11), 3816–3820 [4] H.T Pao, H.C Fu, and C L Tseng (2012) Forecasting of CO2 emissions, energy consumption and economic growth in China using an improved grey model Energy, 40(1), 400–409 [5] J L Deng (1982) Control problems of grey systems Sys & Contr Lett., 1(5), 288–294 [6] J.B Ang (2007) CO2 emissions, energy consumption, and output in France Energy Policy, 35(10), 4772–4778 [7] K D Nguyen (2017) Factors affecting CO2 emission in Vietnam: A panel data analysis Organizations & Markets in Emerging Economies, 9.2, 2017 [8] L Wu, S Liu, D Liu, Z Fang and H Xu (2015) Modelling and forecasting CO2 emissions in the BRICS (Brazil, Russia, India, China, and South Africa) countries using a novel multivariable grey model Energy, (79), 489–495 [9] Margareth Sembiring (2016) Vietnam’s vision for a renewable energy future Nguồn http://www.eastasiaforum.org/2016/08/12/vietnams-vision-for-a-renewable-energy-future/ Truy cập ngày 29 tháng năm 2018 [10] N M Xie, C Q Yuan and Y J Yang (2015) Forecasting China’s energy demand and self-sufficiency rate by grey forecasting model and Markov model International Journal of Electrical Power & Energy Systems, (66), 1–8 [11] Q Zhang, D Zhou, and X Fang (2014) Analysis on the policies of biomass power generation in China Renewable and Sustainable Energy Reviews, (32), 926–935 [12] Renewables 2017 Global status report Nguồn: http://www.ren21.net/wpcontent/uploads/2017/06/17-8399_GSR_2017_Full_Report_0621_Opt.pdf, truy cập ngày 29 tháng năm 2018 [13] S.B Tsai (2016) Using grey models for forecasting China’s growth trends in renewable energy consumption Clean Technologies and Environmental Policy, 18(2), 563–571 [14] World bank: https://data.worldbank.org/ 39 ... tốt để dự báo lượng phát thải CO2, mức tiêu thụ lượng tái tạo GDP Việt Nam Bảng Các giá trị dự báo MRE phát thải CO2, tiêu thụ lượng tái tạo GDP Việt Nam DGM (11) Mô Tiêu thụ lượng tái tạo (%... cứu để dự đoán lượng phát thải CO2, mức tiêu thụ lượng tái tạo tăng trưởng kinh tế Việt Nam Vì vậy, nghiên cứu áp dụng mơ hình dự báo Xám bao gồm mơ hình GM (11) mơ hình DGM (11) để dự báo lượng. .. Thực tế GM (11) Mô DGM (11) Mô Nguyễn Bá Thành Dự báo lượng khí thải CO2 Hình Dữ liệu dự báo số liệu thực tế lượng phát thải CO2 Việt Nam Hình Dữ liệu dự báo số liệu thực tế tiêu thụ lượng tái tạo