基于WPD-ISSA-CA-CNN模型的电厂碳排放预测

1

作者 池小波 续泽晋 +1 位作者 贾新春 张伟杰 《控制工程》 北大核心 2025年第8期1387-1394,共8页

碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利... 碳排放的准确预测有利于制定合理的碳减排策略。目前,针对电厂碳排放的研究较少,且传统预测模型训练时间过长。基于此,提出一种分量增广输入的WPD-ISSA-CA-CNN碳排放量预测模型,该模型创新性地构建“分解-增广融合预测”策略。首先,利用小波包分解(wavelet packet decomposition,WPD)算法将信号按频率特性分解为子序列,再将全部分量增广(component augmentation,CA)作为模型输入,以减少模型的训练时间。其次,考虑到该模型超参数选择困难,利用多策略融合的改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对卷积神经网络(convolutional neural networks,CNNs)的超参数进行寻优。以山西某发电厂2×25 MW锅炉的历史数据为样本,利用5种评价指标将所提模型与BP、LSTM、CNN及其混合模型进行对比。结果表明,所提混合模型在预测火力发电碳排放中各指标均有最佳的准确度且模型训练速度明显提升。 展开更多

关键词 碳排放预测 小波包分解 改进麻雀搜索算法 卷积神经网络

在线阅读 下载PDF 职称材料

基于SD-ISSA-DALSTM的交通运输业碳排放预测

2

作者 王庆荣 王俊杰 +1 位作者 朱昌锋 郝福乐 《华南理工大学学报(自然科学版)》 北大核心 2025年第5期66-81,共16页

针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,... 针对交通运输业碳排放数据序列的波动性和非线性影响预测精度的问题,提出了一种结合二次分解、双重注意力机制、改进麻雀搜索算法(ISSA)和长短期记忆(LSTM)网络的交通运输业碳排放预测模型。首先,引入自适应噪声完备集合经验模态分解,将交通碳排放数据序列分解为不同频率的模态分量,再利用样本熵对各分量复杂度进行量化,并利用变分模态分解对熵值最高的分量进行二次分解,进一步弱化交通碳排放数据序列的波动性和非线性;然后,为挖掘交通碳排放量与其影响因素间的关联性,构建基于双重注意力机制优化的LSTM(DALSTM)模型,在LSTM模型的输入端嵌入特征注意力机制,突出关键输入特征;同时,在输出端嵌入时间注意力机制,提取关键历史时刻信息;最后,结合Circle混沌映射、动态惯性权重因子和混合变异算子策略改进SSA算法,并对各模态分量分别建立ISSA-DALSTM模型,接着对各模态分量预测值进行重构。用所测算的中国交通运输业1990—2019年碳排放数据来对模型进行验证,结果表明,所提模型的均方根误差、均方误差、平均绝对百分比误差分别为5.3088、3.5661、0.4439,均优于其他对比模型,验证了所提模型的有效性。 展开更多

关键词 交通运输业 碳排放预测 二次分解 双重注意力机制 改进麻雀搜索算法

在线阅读 下载PDF 职称材料

基于AutoGluon-XAI的铁路无砟轨道碳排放预测及特征分析

3

作者 鲍学英 韩通 《安全与环境学报》 北大核心 2025年第6期2431-2440,共10页

为从全生命周期角度分析铁路无砟轨道碳排放,研究量化不同阶段铁路无砟轨道碳排放的差异,并提出一种自动机器框架与可解释人工智能(Explainable Artificial Intelligence, XAI)相结合的无砟轨道碳排放预测及特征分析模型。首先,划分无... 为从全生命周期角度分析铁路无砟轨道碳排放,研究量化不同阶段铁路无砟轨道碳排放的差异,并提出一种自动机器框架与可解释人工智能(Explainable Artificial Intelligence, XAI)相结合的无砟轨道碳排放预测及特征分析模型。首先,划分无砟轨道全生命周期不同阶段,构建无砟轨道全生命周期碳排放计算系统;其次,选择AutoGluon自动机器学习模型,筛选特征变量,进行全局特征排序,结合XAI进行局部解释;最后,以某铁路无砟轨道为例进行研究。结果显示,全生命周期碳排放量为124.48万t。其中,工程物化阶段、运营维护阶段、拆除阶段的碳排放占比分别为42.84%、57.11%、0.05%,人工、材料、机械产生的排放占比分别为0.7%、95.8%、3.5%。AutoGluon-XAI模型结果表明,相比于随机森林等传统机器学习模型,AutoGluon预测精准度更高,综合性能最优;在全局解释中,重要性排前4的特征变量为更新周期、地段类型、轨道结构类型、地基条件,均为影响无砟轨道全生命周期碳排放的重要因素;在局部解释中,分类变量的不同特征呈现出不同的贡献效应,路基地段、板式无砟轨道等分类特征对碳排放正向促进效应较显著,而隧道地段、石质地基等分类特征则对碳排放负向抑制效应较显著。 展开更多

关键词 环境工程学 无砟轨道 碳排放预测 AutoGluon-XAI模型 特征分析

在线阅读 下载PDF 职称材料

基于PSO-BP神经网络高速公路建设期碳排放预测方法

4

作者 赵全胜 李斐 +4 位作者 郭风爱 于建游 徐士钊 胡运朋 褚晓萌 《河北科技大学学报》 北大核心 2025年第3期312-321,共10页

为了解决高速公路建设期碳排放预测不精准的问题,提出了粒子群优化(particle swarm optimization,PSO)算法优化BP(back propagation)神经网络预测碳排放的方法。采用层次分析法(analytic hierarchy process,AHP)从工程长度层、工程建设... 为了解决高速公路建设期碳排放预测不精准的问题,提出了粒子群优化(particle swarm optimization,PSO)算法优化BP(back propagation)神经网络预测碳排放的方法。采用层次分析法(analytic hierarchy process,AHP)从工程长度层、工程建设层、能源消耗层与材料消耗层4个维度凝练出路线长度、路基长度、路面长度、隧道长度、桥涵长度、互通区长度、挖方量、填方量、柴油消耗量、水泥消耗量、碎石消耗量和钢筋消耗量12个关键指标;获取36个高速公路项目数据作为模型训练的实证样本,结合误差指标进行对比分析。结果表明,所得PSO-BP模型R2为0.974,BP模型R2为0.890,前者更接近于1;与生命周期法结果相比较,PSO-BP比未优化的BP与真实值之间偏差更小。划分的4个维度层和选择的12个关键指标使得在高速公路设计规划阶段即可预测得到建设期的碳排放,为高速公路的低碳建设提供了参考。 展开更多

关键词 道路工程其他学科 碳排放预测 PSO-BP神经网络 模型优化 因素分析

在线阅读 下载PDF 职称材料

基于序列重构的VMD-SSA-LSSVM组合模型短期碳排放预测

5

作者 徐正林 程志友 +1 位作者 张帅 杨猛 《安徽大学学报(自然科学版)》 北大核心 2025年第4期28-37,共10页

针对碳排放数据的随机性及波动性因素所导致预测精度不高等问题,提出基于序列重构的VMD-SSA-LSSVM(variational mode decomposition-sparrow search algorithm-least square support vector machine)组合模型进行短期碳排放预测.首先将... 针对碳排放数据的随机性及波动性因素所导致预测精度不高等问题,提出基于序列重构的VMD-SSA-LSSVM(variational mode decomposition-sparrow search algorithm-least square support vector machine)组合模型进行短期碳排放预测.首先将区域的碳排放数据序列经过VMD进行分解得到4个不同中心频率的子序列和一个残差序列,降低数据不规律性对碳排放预测带来的干扰;接着对分解后的各个分量进行序列重构,提高对突变点的预测精度;然后根据不同分量各自的特点,使用SSA优化核函数中相关的参数,对重构后得到的各个序列建立SSA-LSSVM预测模型;最后将所有序列的预测值融合得到预测结果.算例结果表明基于序列重构的组合模型能够有效提高短期碳排放预测的精度. 展开更多

关键词 短期碳排放预测 序列重构 变分模态处理 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于改进BP神经网络的河北省碳排放预测 被引量：14

6

作者 王永利 李颐雯 +4 位作者 王欢 董鹏旭 滕越 蔺媛 刘琳 《生态经济》 北大核心 2024年第6期30-37,共8页

“双碳”目标背景下,针对河北省高碳经济发展模式难以改变、以往预测模型难以满足现实需求等问题。论文根据统计年鉴数据,研究河北省能源消费趋势和分行业碳排放特征,并借助脱钩指数探究河北省碳排放动态变化趋势,选取IPCC二氧化碳排放... “双碳”目标背景下,针对河北省高碳经济发展模式难以改变、以往预测模型难以满足现实需求等问题。论文根据统计年鉴数据,研究河北省能源消费趋势和分行业碳排放特征,并借助脱钩指数探究河北省碳排放动态变化趋势,选取IPCC二氧化碳排放的计算方法,基于6项碳排放量影响因素建立遗传算法(GA)优化BP神经网络的河北省碳排放模型,对河北省2021—2030年碳排放量进行仿真预测。结果显示:河北省能源效率低于全国水平,河北省工业碳排放量最高;河北省的经济增长与碳排放之间主要呈弱脱钩态势;GA-BP模型预测结果比BP模型更加稳定,误差较小,更适合用于碳排放量的预测。预测结果显示,河北省未来碳排放量呈缓慢增长趋势,以期为政府决策提供理论依据,助力河北省“双碳”目标的实现。 展开更多

关键词 碳排放预测 BP神经网络 脱钩分析 河北省

在线阅读 下载PDF 职称材料

铁路轨道工程物化阶段碳排放预测及影响因素研究 被引量：3

7

作者 鲍学英 韩通 霍雨雨 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4299-4310,共12页

在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放... 在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放计算模型,并提出一种基于机器学习算法的碳排放预测及影响因素分析模型。首先,界定物化阶段研究边界,分解铁路轨道工程,以主要工序为基本计算单元,采用碳排放因子法建立碳排放计算模型;其次,运用梯度提升树算法(Light Gradient Boosting Machine,LigtGBM)构建碳排放预测模型,并引入可解释机器学习模型(Shapley Addictive Explanation,SHAP)分析影响因素对碳排放量的贡献。以某西南山区铁路轨道工程为例,选取其中典型单元轨节计算碳排放量,结果显示1 km长度碳排放总量为1290.94 t,物化阶段中材料生产阶段碳排放占比最大,约为87.21%;分项工程中铺轨和铺道床的碳排放占比较高,分别为47.44%和46.44%。提取该轨道工程碳排放相关特征作为影响因素,对LigtGBM-SHAP模型进行验证,各项评估指标的数值表明模型具有较好的预测效果,影响因素重要度由大到小依次为轨道结构形式、线路地段、轨枕类型或轨道板、施工天数、区段坡度、区段运输距离,并在结果分析中通过单因素特征依赖图明晰各影响因素的分类变量或数值变化对碳排放量产生的影响。研究成果为铁路轨道工程碳排放计算、预测及分析提供了一个更加智能、全面的研究模型,为铁路工程建设进行碳减排工作提供参考。 展开更多

关键词 物化阶段 碳排放预测 影响因素 梯度提升树算法 可解释机器学习

在线阅读 下载PDF 职称材料

南昌高新区工业碳排放预测及减排路径研究 被引量：2

8

作者 刘芳涛 孙玉恒 +4 位作者 付航 李远航 冯正源 刘广鑫 石磊 《环境科学与技术》 CAS CSCD 北大核心 2024年第8期197-204,共8页

工业园区作为中国工业活动重要的载体,是中国工业部门实现低碳减排和落实双碳目标的关键抓手。该文以南昌高新技术产业开发区(南昌高新区)为研究对象,首先基于园区工业终端能源消费数据,对园区2016-2022年工业及不同行业的碳排放现状进... 工业园区作为中国工业活动重要的载体,是中国工业部门实现低碳减排和落实双碳目标的关键抓手。该文以南昌高新技术产业开发区(南昌高新区)为研究对象,首先基于园区工业终端能源消费数据,对园区2016-2022年工业及不同行业的碳排放现状进行分析;其次构建Kaya扩展模型,结合情景分析法预测园区工业碳排放总量和达峰状态;最后根据预测结果和园区发展特点提出合理的低碳发展建议。结果表明:(1)从碳排放特征来看,南昌高新区工业碳排放总量呈现逐年上升趋势,但碳排放强度在逐年下降,电力消费碳排放占比最大且份额在逐年增加,计算机、通信和其他电子设备制造业碳排放量在各行业中占据主导地位;(2)从情景预测分析来看,多要素优化情景下的减排效果最理想,可在2025年达到峰值,经济水平情景、能源强度情景和碳排放因子情景可在2030年达到峰值,其中经济水平对南昌高新区未来碳达峰状态的影响最大,基准情景和能源结构情景在2030年前未出现峰值;(3)从减排路径分析来看,未来园区减排路径主要从电力部门脱碳、重点行业绿色转型升级、推动经济健康高质量发展等方面入手。该研究可为中国工业园区减排策略的制定和双碳目标的实现提供参考。 展开更多

关键词 工业园区 碳排放预测 Kaya扩展模型 情景分析 减排路径

在线阅读 下载PDF 职称材料

基于居民属性数据的出行碳排放预测模型 被引量：2

9

作者 苏跃江 温惠英 +3 位作者 袁敏贤 吴德馨 周芦芦 漆巍巍 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第8期23-33,共11页

准确分析居民出行方式的碳排放及方式选择影响因素的重要性和敏感性,是精准制定交通减排措施的基础。根据居民出行调查的家庭属性、个人属性、出行属性和环境属性等影响因素综合分析,基于LightGBM(Light Gradient Boosting Machine)构... 准确分析居民出行方式的碳排放及方式选择影响因素的重要性和敏感性,是精准制定交通减排措施的基础。根据居民出行调查的家庭属性、个人属性、出行属性和环境属性等影响因素综合分析,基于LightGBM(Light Gradient Boosting Machine)构建了居民出行方式预测模型并进行验证,结合出行活动水平、各种能源类型的碳排放系数、标准煤系数等参数,构建了基于居民属性数据的出行碳排放预测模型;最后,以广州市为例进行实证分析,对居民出行方式和碳排放总量进行预测,并分析了出行方式选择影响因素的重要程度和重要因素敏感性。结果表明:基于居民属性数据构建的碳排放预测模型,能较为精确地预测各种出行方式的碳排放,较好地分析碳排放的影响因素重要性和敏感性,以及全面揭示出行行为、出行方式和出行碳排放之间的关系。其中,起终点距最近公交站的距离或距最近地铁站的距离、自驾车费用、出行距离等是影响居民出行方式选择的重要因素。当起终点距最近地铁站距离下降55%时,地铁出行竞争力随着距离缩短而明显提升;在公交站点密度较大的区域,起终点距最近公交站距离对居民出行方式选择不敏感;当碳排放费用增加400%时为居民出行方式和碳排放的转折点,超过转折点后小汽车出行方式难以转移;当出行距离下降幅度在90%以内时,碳排放下降速度最快,最大降幅为90.4%。 展开更多

关键词 城市交通 居民属性数据 出行方式预测 碳排放预测 敏感性分析

在线阅读 下载PDF 职称材料

基于LASSO-GSWOA-KELM模型的石化行业碳排放预测研究 被引量：4

10

作者 余博 王尹 +2 位作者 柴俊松 乔子恒 孙野 《现代化工》 CAS CSCD 北大核心 2024年第S02期378-385,共8页

石化行业是碳排放的重要来源,构建精确预测石化行业碳排放的模型对我国实现“双碳”目标具有重要意义。通过采用STIRPAT模型和LASSO回归筛选影响碳排放的关键因素,并利用全局搜索策略的鲸鱼优化算法优化KELM模型以提高预测精度,构建了LA... 石化行业是碳排放的重要来源,构建精确预测石化行业碳排放的模型对我国实现“双碳”目标具有重要意义。通过采用STIRPAT模型和LASSO回归筛选影响碳排放的关键因素,并利用全局搜索策略的鲸鱼优化算法优化KELM模型以提高预测精度,构建了LASSO-GSWOA-KELM模型。实证结果显示,该模型预测精度超过其他模型,证明该模型为准确预测石化行业碳排放提供了有效工具。预测结果显示,我国石化行业碳排放将继续增长但增速放缓,预计在2029年达峰值。针对研究结果,提出了发展CCUS技术、淘汰落后产能、建立绿色金融体系等建议,为石化行业减排提供理论和决策支持。 展开更多

关键词 石化行业 碳排放预测 鲸鱼优化算法 KELM 机器学习

在线阅读 下载PDF 职称材料

基于支持向量机的变压器碳排放预测模型 被引量：5

11

作者 陈远东 孟辉 +5 位作者 李猛克 张海龙 张超 梁伟 韩钰 姬军 《包装工程》 CAS 北大核心 2024年第1期254-261,共8页

目的解决变压器中主要设计参数影响下的碳排放量预测问题。方法本文利用随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)算法进行对比,构建一个变压器碳排放预测模型。结果通过对变压器的全生命周期进行评价,... 目的解决变压器中主要设计参数影响下的碳排放量预测问题。方法本文利用随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)算法进行对比,构建一个变压器碳排放预测模型。结果通过对变压器的全生命周期进行评价,确定铁芯的长宽比为影响碳排放量的主要因素,对给定参数下的碳排放量进行预测,并与实际值进行对比分析得出,3类预测模型中,SVM高斯核模型的平均绝对误差值约为5.37,与碳排放实际值最为接近,故采用高斯核函数的非线性支持向量机预测模型最优。结论证明支持向量机高斯核函数预测模型更具有预测准确性和有效性,以期能为生产企业进行低碳设计提供参考依据,为电力行业生产设备的可持续设计研究提供一定的借鉴意义。 展开更多

关键词 碳排放预测 变压器 支持向量机算法 随机森林算法

在线阅读 下载PDF 职称材料

基于卷积神经网络的交通运输业碳排放预测研究 被引量：4

12

作者 焦柳丹 刘莹 +1 位作者 吴雅 霍小森 《铁道运输与经济》 北大核心 2024年第8期49-57,共9页

交通运输业作为碳排放主要来源之一,其低碳发展对于我国双碳目标的实现具有重要现实意义。研究基于拓展的STIRPAT模型,从人口规模、经济水平、技术水平、交通运输水平以及绿化水平5个维度选取交通运输业碳排放影响因素,根据1997—2019... 交通运输业作为碳排放主要来源之一,其低碳发展对于我国双碳目标的实现具有重要现实意义。研究基于拓展的STIRPAT模型,从人口规模、经济水平、技术水平、交通运输水平以及绿化水平5个维度选取交通运输业碳排放影响因素,根据1997—2019年碳排放量及影响因素数据建立卷积神经网络碳排放预测模型。在此基础上,设置低碳、基准和高碳3种不同情景对京津沪渝的交通运输业碳排放情况进行预测分析。结果表明:在基准情景和低碳情景下,京津沪渝均表现出明显的“波动上升—达峰—缓慢下降”的趋势;而在高碳情景下,京津沪渝则表现出明显持续增长趋势,同时低碳情景下京津沪渝交通运输业碳达峰时间多早于2030年,且峰值明显低于基准情景和高碳情景的碳排放量值,更加符合交通运输业的低碳发展理念。 展开更多

关键词 卷积神经网络 交通运输业 STIRPAT模型 影响因素 碳排放预测

在线阅读 下载PDF 职称材料

共享社会经济路径下中国2020—2100年碳排放预测研究 被引量：32

13

作者 张帆 徐宁 吴锋 《生态学报》 CAS CSCD 北大核心 2021年第24期9691-9704,共14页

碳排放和减碳经济代价研究日益受到学术界和决策者的关注,中国政府做出的关于争取在2060年前实现碳中和的表态引起了国际社会的热议。在此背景下,开展中国未来长时间序列碳排放的情景预测具有切实意义。基于可拓展的随机性环境影响评估... 碳排放和减碳经济代价研究日益受到学术界和决策者的关注,中国政府做出的关于争取在2060年前实现碳中和的表态引起了国际社会的热议。在此背景下,开展中国未来长时间序列碳排放的情景预测具有切实意义。基于可拓展的随机性环境影响评估模型(STIRPAT)评估了人口、经济和受教育程度对碳排放的影响,对比历史数据并验证了碳排放预测模型的准确性,结合共享社会经济路径(SSPs)情景的设定和模型参数,预测了5种情景下中国2020年至2100年的碳排放轨迹及经济代价。结果表明:(1)考虑碳排放达峰目标的实现,SSP3情景是中国未来发展的最佳情景,在此情景下,中国有望提前三年实现碳排放达峰目标;(2)SSP3情景可使中国年度总碳排放量和人均碳排放量处于相对其他四种情景的最低值,但需要付出累积GDP下降5.49%至8.80%的代价;(3)为完成在2060年前实现碳中和的承诺,中国政府在未来的40年需面对409.36—467.42 Gt的碳中和量;(4)2020年中国的碳排放强度将会较2005年水平下降40.52%至41.39%,2030年碳排放强度将会较2005年水平下降59.64%至60.75%。5种情境中,SSP5情景是降低碳排放强度的最佳情景,可最大程度地超额实现碳排放强度目标。未来,受经济发展、人口增长等重要因素影响,中国政府减碳压力将进一步加大。后疫情时代,考虑到能源供应的减少和高科技产业的发展,碳排放社会成本的上升将为中国创造一个使能源系统脱碳的机遇。中国应在"十四五"期间继续提升能源利用效率、升级产业结构、提倡低碳消费、实施隐含碳战略,以尽快实现碳减排目标。 展开更多

关键词 碳减排承诺 碳排放预测 共享社会经济路径 可拓展的随机性环境影响评估模型

在线阅读 下载PDF 职称材料

多维特征数据驱动的数控车削加工过程碳排放预测研究 被引量：5

14

作者 张华 王正 +1 位作者 鄢威 史梦成 《机械设计与制造》 北大核心 2022年第11期22-26,32,共6页

针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法。首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃... 针对数控车削加工过程碳排放影响要素繁多、动态特性复杂的特点,提出了一种基于多维特征数据驱动的数控车削加工过程碳排放预测方法。首先,对数控车削加工过程碳排放特性进行分析,建立了包含原材料消耗、辅助材料消耗、能源消耗和废弃物回收处理的总碳排放量计算模型,确定了碳排放不同维度的影响要素;其次,针对不同影响要素的类型,提出了数控车削加工过程碳排放数据的采集、预处理方法,利用岭回归方法对数据主要特征进行选择提取;再次,以提取的特征数据为自变量,提出了一种基于改进的果蝇-差分进化优化BP神经网络算法的数控车削加工过程碳排放预测模型;最后,通过实验对所提方法和模型的有效性进行了验证。 展开更多

关键词 多维特征数据 数据驱动 碳排放预测 岭回归 果蝇-差分进化优化

在线阅读 下载PDF 职称材料

基于PCA-BP神经网络的用地碳排放预测研究 被引量：11

15

作者 闫凤英 刘思娴 张小平 《西部人居环境学刊》 CSCD 2021年第6期1-7,共7页

量化和预测用地的碳排放是实现规划控碳的前提和基础。基于城镇建设用地分类体系,从城市用地建筑能源消费的碳排放核算视角,提出以"用地"作为碳排放的核算终端和核算单元,基于PCA-BP神经网络建立规划用地碳排放预测模型来预... 量化和预测用地的碳排放是实现规划控碳的前提和基础。基于城镇建设用地分类体系,从城市用地建筑能源消费的碳排放核算视角,提出以"用地"作为碳排放的核算终端和核算单元,基于PCA-BP神经网络建立规划用地碳排放预测模型来预测用地碳排放。将调研获得的样本地块的碳排放数据作为因变量,以其用地特征指标(包括:容积率、建筑单体数量、用地面积、建筑密度、建筑高度、用地类型、用地兼容性、人口密度)作为自变量,建立用地碳排放预测模型。以长兴县老城区为实例,应用该模型预测用地碳排放,从模型预测结果来看,该方法能较准确地预测用地的碳排放,为城市的低碳规划和碳排放管控提供了量化依据。 展开更多

关键词 用地碳排放 碳排放预测 用地指标 BP神经网络 主成分分析(PCA)

在线阅读 下载PDF 职称材料

城市交通碳排放预测的多模型对比分析 被引量：19

16

作者 高金贺 黄伟玲 蒋浩鹏 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第7期33-39,共7页

为寻找合适的城市交通运输碳排放预测方法,基于STIRPAT模型,选取人口总量、人均GDP、机动车保有量、碳排放强度、城镇化率、旅客周转量和货物周转量等7项指标作为城市交通运输碳排放影响因素,分别建立基于遗传算法优化支持向量机、粒子... 为寻找合适的城市交通运输碳排放预测方法,基于STIRPAT模型,选取人口总量、人均GDP、机动车保有量、碳排放强度、城镇化率、旅客周转量和货物周转量等7项指标作为城市交通运输碳排放影响因素,分别建立基于遗传算法优化支持向量机、粒子群优化支持向量机、网格搜索优化支持向量机预测模型,并以1995—2016年交通运输碳排放相关指标作为基础数据做实例分析。结果表明:GA-SVM对比PSO-SVM与GS-SVM所得出训练集的相关系数分别增长了2.74%和1.07%,测试集的相关系数分别增长了1.04%和0.29%,较其它两种预测模型具有良好的学习和推广能力,说明GA-SVM模型更适合对城市交通碳排放进行预测分析。 展开更多

关键词 交通运输工程 碳排放预测 GA-SVM模型 影响指标

在线阅读 下载PDF 职称材料

基于GA-SVR的城市交通运输碳排放预测研究 被引量：5

17

作者 高金贺 郑宝珠 +1 位作者 周伟昊 李鹏 《东华理工大学学报（自然科学版）》 CAS 2022年第3期269-274,共6页

为有效预测城市交通运输碳排放量,在STIRPAT模型(Stochastic Impacts by Regression on Population,Affluence and Technology)的基础之上,建立了由遗传算法优化的支持向量机(GA-SVR)预测模型。选取人口总量、人均GDP、机动车保有量、... 为有效预测城市交通运输碳排放量,在STIRPAT模型(Stochastic Impacts by Regression on Population,Affluence and Technology)的基础之上,建立了由遗传算法优化的支持向量机(GA-SVR)预测模型。选取人口总量、人均GDP、机动车保有量、旅客周转量、货物周转量、城镇化率和碳排放强度作为影响指标,采用北京市1995年到2019年期间的数据进行分析。结果表明:采用GA-SVR模型进行预测得到的数据和实际值之间有着良好的拟合回归效果,训练集及测试集的相关系数分别为0.98281和0.96242,所以该模型具有良好的推广与学习能力;预测2020—2023年北京市交通运输碳排放量增长趋势变缓,但总量在持续上升,说明城市依旧面临着碳排放压力。 展开更多

关键词 交通运输 碳排放预测 GA-SVR模型 影响指标

在线阅读 下载PDF 职称材料

基于CEEMD-SSA-ELM方法的建筑业碳排放预测研究 被引量：10

18

作者 张新生 任明月 陈章政 《生态经济》 北大核心 2023年第10期33-39,88,共8页

针对碳排放数据的波动性和非线性问题,为了更精准预测建筑业碳排放量,提出了结合互补经验模态分解(CEEMD)、麻雀搜索算法(SSA)和极限学习机(ELM)的二氧化碳排放量预测模型。首先,根据IPCC公布的计算方法计算1995—2020年我国建筑业碳排... 针对碳排放数据的波动性和非线性问题,为了更精准预测建筑业碳排放量,提出了结合互补经验模态分解(CEEMD)、麻雀搜索算法(SSA)和极限学习机(ELM)的二氧化碳排放量预测模型。首先,根据IPCC公布的计算方法计算1995—2020年我国建筑业碳排放量,使用灰色关联分析验证所选影响因素的合理性;然后使用CEEMD将原数据分解为多个平稳序列和一个残差项,以缓解碳排放数据的波动性。其次,应用ELM对每个分解结果分别建立预测模型,并使用SSA优化模型参数。最后,将预测结果集成汇总,并对比分析CEEMD-SSAELM、SSA-ELM、CEEMD-ELM和ELM预测结果。结果显示:CEEMD-SSA-ELM的均方误差、平均绝对误差、平均相对误差、决定系数分别为2 928.43万吨、2 255.73万吨、1.158%和0.948,均优于其他三个模型,是一种更适用于建筑业碳排放量的预测方法,为我国建筑业绿色可持续发展提供了新思路。 展开更多

关键词 建筑业 碳排放预测 互补集合经验模态分解 麻雀搜索算法 极限学习机

在线阅读 下载PDF 职称材料

基于LSTM模型的中国交通运输业碳排放预测 被引量：60

19

作者 刘淳森 曲建升 +3 位作者 葛钰洁 唐稷兴 高欣悦 刘莉娜 《中国环境科学》 EI CAS CSCD 北大核心 2023年第5期2574-2582,共9页

为助力交通运输业实现碳达峰、碳中和目标,本研究基于拓展的STIRPAT模型选取人口、机动车保有量和能源强度等8个变量作为中国交通运输业碳排放量影响因素,并根据1990-2019年指标数据建立LSTM碳排放模型,在低碳、基准及高碳3种情景下对... 为助力交通运输业实现碳达峰、碳中和目标,本研究基于拓展的STIRPAT模型选取人口、机动车保有量和能源强度等8个变量作为中国交通运输业碳排放量影响因素,并根据1990-2019年指标数据建立LSTM碳排放模型,在低碳、基准及高碳3种情景下对交通运输业碳排放进行预测.结果表明:1990-2019年间中国交通运输业碳排放量总体呈现上升趋势.低碳、基准及高碳情景下,碳排放达峰时间分别为2033年、2035年及2038年,峰值量分别为1145.64,1218.68,1308.40百万t.中国应积极采取节能降碳措施,优化交通运输业结构,推进清洁能源应用,促进中国交通碳排放向低碳情景发展,助力达峰目标早日实现. 展开更多

关键词 交通运输 碳排放预测 LSTM 情景分析

在线阅读 下载PDF 职称材料

能源领域碳系统结构优化和碳排放预测方法与实例验证 被引量：3

20

作者 罗必雄 张毅 +2 位作者 张力 张武军 程远林 《煤炭学报》 EI CAS CSCD 北大核心 2023年第7期2657-2667,共11页

“碳达峰”和“碳中和”是事关全人类的一场社会性变革,如何准确的预测和降低碳排放是这场变革胜利的关键。为准确预测能源领域的碳排放量,采用多目标优化算法,以预测过程中的电力装机结构和能源消费结构成本最小化、结构更加清洁化以... “碳达峰”和“碳中和”是事关全人类的一场社会性变革,如何准确的预测和降低碳排放是这场变革胜利的关键。为准确预测能源领域的碳排放量,采用多目标优化算法,以预测过程中的电力装机结构和能源消费结构成本最小化、结构更加清洁化以及碳排放量最小化为目标,基于电力平衡、电量平衡和调峰平衡等能源安全考虑,采用一种混合测算模型对碳排放量预测过程中电力装机结构和能源消费结构进行优化,从而根据优化后的能源消费结构得到基于电力装机成本和能源消费结构成本最优的最小碳排放值。整个预测过程主要分成3个部分,首先根据LMDI分解方法解析能源领域碳排放影响因素,可得GDP对碳排放的正向驱动效应明显,能源消费强度和产业结构对碳排放的负向驱动效应明显;其次,对碳系统结构进行初步优化、基于初步优化后的结果预测初始碳排放值;最后,基于过程的合理性和准确性,给出了一种模型评估方法,采用关键指标验证方法来对预测过程中的电能占终端能源消费占比、非化石能源消费占比和碳强度累计下降率等约束性指标进行反馈验证,经关键指标验证和多重反馈调整,最终得到满足多目标函数约束和各约束性指标的碳排放值。采用中部某省的实际数据对优化和预测过程的可行性和可靠性进行了验证,结果表明,仅在达峰场景下,该省能满足达峰目标以及通过3个关键指标验证。 展开更多

关键词 能源领域 碳排放预测 混合测算模型 结构优化 模型评估

在线阅读 下载PDF 职称材料