Key Words:
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
Abstract:
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。
Paper Publications
