DOI number:
10.13205/j.hjgc.202310018
Key Words:
工业;;套索回归;;核极限学习机;;灰狼优化算法;;碳排放预测
Abstract:
针对工业碳排放系统的总量预测问题，建立基于套索回归(LASSO)、灰狼优化算法(GWO)和核极限学习机(KELM)相结合的模型提高碳排放量预测精度。首先根据IPCC公式法与电热分摊法核算2000—2020年工业直接与间接碳排放量，运用STIRPAT模型选取国内生产总值、能源结构、固定资产投资等指标；然后通过灰色关联分析、LASSO回归模型筛选出7个显著影响因素；再接着对工业碳排放系统的参数数据进行预处理并输入至KELM模型，使用GWO算法优化KELM正则化系数(C)和核函数参数(γ);最后将预测结果集成汇总，并对比分析LASSO-GWO-KELM、LASSO-SSA-KELM、LASSO-SFO-KELM、LASSO-KELM和LASSO-ELM预测结果。结果显示：LASSO-GWO-KELM模型预测值与实际值拟合，其均方误差、平均绝对误差、均方根误差、平均绝对百分比误差分别为0.02%、1.09%、1.33%和1.17%,均优于其他模型，证明该模型能够更为准确地预测工业碳排放量，为我国尽早实现“双碳”目标提供参考。
Paper Publications
