中国环境科学ISSN1000-6923,CN11-2201X《中国环境科学》网络首发论文题目：“能-智”耦合及其对工业减污降碳协同的影响研究作者：汤李深，李洁，涂江月，陈慧，曾贤刚DOI:10.19674j.cnki.issn1(000-6923.20260224.003网络首发日期：2026-02.25引用格式：汤李琛，李洁，涂江月，陈慧，曾贤刚.“能.智”耦合及其对工业减污降碳协同的影响研究OL].中国环境科学。htps:∥doi.org/10.19674j.cnki.issnl000-6923.20260224.003网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定：学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为：稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文趣目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037亿)，所以签约期刊的网络版上网络首发论文视为正式出版。“能-智耦合及其对工业减污降碳协同的影响研究汤李琛1，李洁1，涂江月1，陈慧2，曾贤刚1“（1.中国人民大学生态环境学院，北京100872：2.湖北大学商学院，湖北武汉430062)摘要：本文选取2011-2022年我国30个省份的面板数据作为研究样本，通过熵值法、窗口超效率EBM模型和耦合协调度模型测度“能-智”耦合度与工业减污降碳协同度，并分析二者的时空演变特征在此基础上，运用双重机器学习模型实证检验“能-智”耦合对工业减污降碳协同的影响和机制结果表明：(12011-2022年，全国能-智耦合度从0308增长至0.470，年均增速为3.917%，区域格局呈现东部地区>西部地区>中部地区>东北地区”的梯度特征，空间格局从“北重南轻”的失调状态向协调状态政善，区域差异仍较突出.工业减污降碳协同度从0595提升至0.807，年均增速为2.80%，区域格局保持“东部地区>中部地区>西部地区>东北地区”，空间格局从部分地区失调状态向全域协调状态且质量均衡化发展(2能-智”耦合对工业减污降碳协同具有显著正向促进作用，且对工业减污效率和降碳效幸均存在单独的显著正向驱动效应)“能智耦合可通过缓解委素扭曲程度、优化产业聚集效应和提升人机协作水平间接赋能工业减污降碳协同(4)在西部地区、绿色金融发展高水平地区、环境规制高强度地区和经济发展高水平地区，“能-智耦合对工业减污降碳协同的促进作用更强关键词：“能-智”耦合，工业减污降碳协同：时空演变：双重机器学习模型Research on the coupling of"energy-intelligence"and its impact on the synergy of industrial pollution-carbon reduction.TANGLi-chen',LI Jie*,TU Jiang-yue',CHEN HuP,ZENG Xian-gang*(1.School of Ecology Environment,Renmin University ofChina,Beijing 100872,China;2.Business School,Hubei University,Wuhan 430062,China).China Erironmental Science.Abstract:This paper selected panel data from 30 provinces in China from 2011 to 2022 as the research sample.Using the entropymethod,window super-efficiency EBM model,and coupling coordination degree model,it measured the coupling of"energy-intelligence"(CEI)and the synergy of industrial pollution-carbon reduction(SIPCR),and analyzed their spatial-temporal evolutioncharacteristics.On this basis,the double machine learning model was employed to empirically examine the impacts and mechanismsof CEI on SIPCR.The results indicated that:(1)From 2011 to 2022,the national CEI increased from 0.308 to 0.470,with an averageannual growth rate of 3.917%.The regional pattern exhibited a gradient characteristic of"Eastern China Western China CentralChina>Northeastern China",while the spatial pattern improved from an imbalanced state of "heavy in the northand light in the south"to a more coordinated state,though regional disparities remained prominent.SIPCR rose from 0.595 to .807,with an average annualgrowth rate of 2.809%.The regional pattern maintained"Eastern China>Central China>Western China>Northeastern China",andthe spatial pattern shifted from partial imbalances to a fully coordinated state with balanced quality development.(2)CEI significantlypromoted SIPCR,exerting separate positive driving effects on both pollution reduction efficiency and carbon reduction efficiency.(3)CEI indirectly enhanced SIPCR by alleviating the degree of factor distortion,optimizing the industrial agglomeration effect,andimproving the level of human-machine collaboration.(4)In western regions,regions with higher levels ofgreen finance development,environmental regulation intensity,and economic development,the promoting effects of CEI on SIPCR were more pronounced.Key words:coupling of "energy-intelligence";synergy of industrial pollution-carbon reduction;spatial-temporal evolution;dualmachine learning model党的二十届四中全会明确提出“以碳达峰碳中和为牵引，协同推进降碳、减污、扩绿、增长”，将“加快形成绿色生产生活方式”列为“十五五”时期经济社会发展的核心任务，同时部署“加快建设新型能源体系”，为工业领域能源转型与生态环境治理提供了根本遵循.当前，我国工业仍面临能源结构偏煤、综合效率偏低、协同治理韧性不足等突出问题钢铁、石化等重点行业既是用能大户也是排放主力，传统“末端治理”模式受技术瓶颈与成本约束，难以满足高质量发展对绿色生产的需求.为有效应对这些挑战，人工智能、工业互联网、数字孪生等智能技术在能源领域的快速迭代与深度应用，为工业领域突破传统能源管理模式局限、完善污染治理体系提供了全新的技术路径.智能技术通过实时数据采集、动态模型构建与智能决策优化，不仅能提升能源利用效率、降低污染物排放，还能增强生产过程的韧性与响应能力推动治理模式从“末端治理”向“源头基金项目：中央高校建设一流大学（学科）和特色发展引导专项资金资助项目(21N006:中国人民大学2026年度拔尖创新人才培育资助计划