一、研究背景
2021 年，中国粗钢产量突破 10 亿吨，占全球总产量的半壁江山。与这一产能规模并行的是巨大的碳排放压力——钢铁行业贡献了全国碳排放总量的约 15%，在所有工业门类中位居首位。在"2030 年碳达峰、2060 年碳中和"的目标约束下，钢铁产业的减排路径不再是"要不要做"的问题，而是"做多快、从哪入手"的问题。
传统的碳排放预测方法——趋势外推、情景分析、LEAP 模型——在处理单一变量时足够清晰，但面对钢铁行业这个交织着"产量波动 × 技术替代 × 能源结构转型 × 末端捕集"的多层反馈系统时，线性外推的局限性暴露无遗。以电炉短流程替代高炉长流程为例：电炉占比每提高一个百分点，吨钢碳排放确实会下降，但电炉的大量投用同时推高了电力需求，而电力自身的碳强度又取决于绿电渗透率——这是一组典型的反馈回路，无法用孤立变量来处理。
系统动力学（System Dynamics, SD）恰好擅长这类问题。它不追求单一方程的精确解，而是通过存量和流量刻画系统内部各要素间的相互制约与传导机制，在时间轴上展开多情景的"what-if"推演。本文复现的研究正是借助这一方法论，对 2021-2035 年中国钢铁产业的碳排放轨迹进行了四情景仿真，并量化了不同技术路径的减排潜力。
二、情景设计
论文构建了四个差异化情景，每个情景代表一类政策和技术组合：
| BAUS | ||
| SRS | ||
| TRS | ||
| SRS+TRS |
情景间的差异不是凭空设定的，而是锚定在论文中的具体量化参数上。BAUS 情景的电炉占比从 2023 年的 9.7% 以每年 0.3 个百分点的低速爬升；TRS 情景则将增速拉高至每年 1.5 个百分点，并在 2030 年前启动 CCS 规模部署。绿电占比的路径也做了两段式设计：2023-2028 年每年提升 2 个百分点（起步期），2028-2035 年加速至每年 3.57 个百分点（冲刺期）。
三、碳排放核算公式
碳排放量的核算不是单一数字的乘法，而是一个多层叠加的账户体系。代码中复现的核算公式严格遵循论文的 LEAP 式边界：
E = E_combustion + E_process + E_electric&heat - R_retention - CCS
逐项拆解如下：
燃烧排放（E_combustion）——化石能源在钢铁生产中的直接燃烧。代码采用吨钢综合排放强度近似法，对高炉-转炉长流程和电炉短流程分别赋值：
E_combustion = crudeSteel × (1.62 × bfShare + 0.42 × eafShare)长流程吨钢燃烧排放约 1.62 吨 CO₂，短流程仅 0.42 吨，两者相差近 4 倍。这里的bfShare 和eafShare 是此消彼长的动态变量，正是系统动力学调参的核心杠杆。
过程排放（E_process）——炼铁还原反应和炼钢脱碳反应中不可避免的化学碳排放，与能源选择无关：
E_process = pigIron × 0.18 + crudeSteel × 0.22 + steel × 0.04电力和热力间接排放（E_electric&heat）——这是整个模型中最能体现"绿电替代"效果的项。电力碳排放因子随绿电占比动态衰减：
gridCarbonFactor = 1 - 0.82 × greenPowerShare E_electric&heat = crudeSteel × (0.20 + 0.35 × eafShare) × gridCarbonFactor当绿电占比从 5% 提升到 40% 时，gridCarbonFactor 从 0.959 降至 0.672，电力间接排放随之削减约 30%。
固碳扣除（R_retention）——部分碳以钢铁产品形式被固定，不进入大气：
R_retention = pigIron × 0.06 + crudeSteel × 0.03CCS 捕集量——末端碳捕集与封存的直接削减量，在 TRS 情景中从 2030 年起按分段线性路径爬坡至 2035 年的 350 Mt。
四、产量预测的技术路线
碳排放的计算建立在产量预测之上。代码中的产量模拟分两步走：
第一步：历史验证期（2010-2023 年）。直接引用论文中的系统动力学预测值，并与实际产量逐一比对。结果显示，生铁、粗钢、钢材三项的平均绝对百分比误差分别为 4.74%、4.30% 和 3.85%，均在 5% 以内，说明 SD 模型对历史产量趋势的拟合是可靠的。
第二步：趋势外推期（2024-2035 年）。以 2023 年预测值为起点，以 2035 年论文锚点值为终点，采用平滑复合增长路径填充中间年份：
values(t) = startValue × (endValue / startValue) ^ progress其中progress = (t - 2023) / (2035 - 2023) 将时间归一化到 [0, 1] 区间。这种指数型平滑相比线性插值更贴近工业产能的惯性特征——产能调整需要投资周期，不会在一年内突变。2035 年的锚点值来自论文第 2.1 节：生铁 118,945 万吨、粗钢 144,032 万吨、钢材 158,726 万吨。
五、BAUS 排放曲线的校准机制
一个容易被忽视的细节是 BAUS 排放量的校准。代码先用核算公式生成"原始 BAUS"，然后在 2021、2026、2030、2035 四个锚点年份上计算修正系数，通过 PCHIP 插值获得年度修正因子，将原始曲线逐点拉伸为论文中的目标值：
这种做法保留了两个关键性质：一是排放曲线的年度形态（拐点、增速变化）完全由核算逻辑驱动，而非随意捏造；二是关键年份的绝对值严格对齐论文结论，确保环比分析有据可依。SRS、TRS 和 SRS+TRS 三个减排情景则通过"BAUS - 论文表 5 差值"重建，维持了情景间的逻辑一致性。
六、关键参数
下面将代码中涉及的核心参数整理为一览表，方便读者在自行复现时核对：
七、代码架构与运行环境
整个复现代码由 22 个.m 文件和 1 个outputs/ 目录组成，结构清晰、函数职责单一。核心调用链为：
辅助工具函数各司其职：smoothCompoundPath 负责复合增长路径构造，piecewiseLinear 处理分段线性插值，clamp 将技术参数约束在物理可行域内（电炉占比上限 80%、绿电占比上限 60%），percentageError 统一计算预测误差。
运行环境为MATLAB R2020b 及以上版本，仅依赖 Statistics and Machine Learning Toolbox（pchip 插值）和基础绘图功能，无需额外工具箱。程序入口为main.m，运行后自动在outputs/ 目录生成 4 组 CSV 数据表和 16 张高清图表（同时输出 PNG、PDF、TIF 三种格式）。
八、峰值、拐点与情景差距
执行main.m 后得到的关键校验输出如下：
BAUS 峰值：2716.779 Mt（2035 年） SRS 峰值：2306.745 Mt（2033 年） TRS 峰值：2093.445 Mt（2033 年） SRS+TRS 峰值：1841.290 Mt（2026 年） 2035 年相对 BAUS 减排比例：SRS 16.86%，TRS 27.54%，SRS+TRS 50.38%从这些数字中可以读出几层信息：
BAUS 情景下，碳排放从 2021 年的 1,550 Mt 持续攀升至 2035 年的 2,717 Mt，全程未见拐点。这意味着如果钢铁行业沿着现有惯性运行，2030 年的行业碳达峰目标将难以兑现。
SRS 和 TRS 各自单独发力时，峰值分别出现在 2033 年，较 BAUS 略有提前，但降幅有限。SRS 主攻结构调整和效率提升，2035 年削峰 16.86%；TRS 依赖电炉替代和 CCS，同期削峰 27.54%。两项技术路径各有所长，但单打独斗都不足以实现深度脱碳。
真正的质变发生在 SRS+TRS 综合情景。碳排放峰值前移至 2026 年的 1,841 Mt，随后进入持续下降通道，到 2035 年降至 1,348 Mt——仅为 BAUS 同期排放量的一半。50.38% 的减排幅度传递了一个明确的信号：结构调整与技术替代之间存在显著的协同效应，二者叠加的减排量远大于各自减排量的简单相加。以 2035 年为例，SRS 单独减排 458 Mt，TRS 单独减排 748 Mt，两者之和为 1,206 Mt，而综合情景实际减排 1,369 Mt，多出来 163 Mt 正是协同效应释放的额外空间。
九、工程经验
在复现过程中，几个工程决策值得单独讨论：
核算近似的边界取舍。论文中的碳排放核算需要各工序的完整活动水平数据（焦比、燃料比、工序能耗等），但这些底层数据并未在论文中完整体现。代码采用了吨钢综合排放强度的近似方案——将燃烧、过程、电热三项分别与产品产量和工艺结构挂钩，在保留核算逻辑骨架的前提下，通过 BAUS 锚点校准弥补精度损失。这种做法是工程实践中的一个典型折中：比黑箱回归更有物理可解释性，比全参数核算更具可复现性。
减少插值中的差值重建。论文直接给出了各减排情景相对于 BAUS 的逐年碳排放差值（表 5），代码选择直接使用这些差值来重建 SRS/TRS/SRS+TRS 曲线，而非重复计算减排量。这样做的好处是避免了"先计算排放再计算减排再比较"的多层累进误差。
可视化输出的学术兼容性。代码中的绘图函数（plot*SCI 系列）统一适配了getSciColors 科学配色方案和applySciAxes 坐标轴规范，输出图表可直接用于论文投稿或学术汇报。
十、模型决策
这套基于系统动力学的碳排放预测工具，其价值不在于给出一个精确到小数点后三位的"正确答案"，而在于提供一套可交互的"what-if"推演框架。在实际应用中可以回答以下几类问题：
政策评估：如果 2028 年后绿电增速从每年 3.57 个百分点加速到每年 5 个百分点，2035 年的排放峰值会提前到哪一年？峰值高度能再压低多少？只需修改initParameters 中的greenGrowth2028To2035 参数并重新运行，即可获得更新后的情景对比。
技术路线比选：在投资预算有限的前提下，是优先推广电炉短流程（提升trsElectricFurnaceGrowth），还是优先部署 CCS（调整ccsCapture2035Mt）？两类路径的边际减排成本可以通过修改单一参数后的排放变化量来间接估算。
达峰路径规划：给定一个 2030 年必须达峰的政策红线，需要多高的电炉占比和绿电占比组合才能满足？可以通过参数扫描找到可行的技术组合空间。
区域差异化分析：不同省份的电力碳强度差异巨大（云南水电 vs 内蒙古火电），将gridCarbonFactor 的计算逻辑替换为区域性参数后，即可生成分省的差异化减排路径。
十一、代码获取与运行指南
本复现代码的所有.m 文件和输出数据已开源整理。运行步骤如下：
确保已安装 MATLAB R2020b 及以上版本 将全部 .m文件置于同一目录在 MATLAB 中打开 main.m并运行运行完成后，在 outputs/目录查看生成的 CSV 数据表和图表文件
如需调整情景参数，直接修改initParameters.m 中的对应变量后重新运行即可。整个运行过程在普通办公笔记本上可在 30 秒内完成。
本文基于徐成源《基于系统动力学分析的钢铁产业碳排放预测研究》论文的 MATLAB 代码复现。代码严格遵循论文中的参数设定、核算公式和情景定义，复现结果与论文结论基本一致。所有数据和图表均可通过代码重新生成和验证。
代码下载
代码下载（推荐复制代码链接到电脑端浏览器）：https://mbd.pub/o/bread/mbd-YZaTm51tag==
推荐阅读
Matlab时序预测大合集又更新了，已更新共计130个模型，新增7个集成学习多变量单步时序预测模型！ 物理信息神经网络（PINN）在油气管道内腐蚀预测中的应用，从原理到实战（实验报告+MATLAB代码）
其他代码
嗯，细心的你会发现：机器学习之心MATLAB/Python程序和数据清单
博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析。科研课题模型定制/横向项目模型仿真/职称学术论文辅导/模型程序讲解均可后台联系本人，其他均为盗版和骗子，注意甄别。
目前机器学习之心MATLAB/Python程序和数据清单多数已经整理到面包多平台，部分由于平台作品数量限制、上传文件大小限制需要私信获取：
机器学习之心面包多程序和数据清单（推荐复制链接到电脑浏览器打开）：：https://docs.qq.com/sheet/DU1JYaUtPVEdHbFBH?u=7dd84bd0e17c4335bf2ca313a40dbdd7&nlc=1&tab=
也可以扫描下方二维码进入：
