DOI number:
10.13205/j.hjgc.202504005
Key Words:
建筑业;;碳排放;;最大信息系数;;改进互补集合经验模态分解;;雾凇优化算法;;深度混合核极限学习机
Abstract:
为解决建筑业碳排放研究中影响因素选取局限性、数据预处理不足、碳排放复杂动态变化及非线性问题，提出了一种基于最大信息系数（MIC）特征提取、改进互补集合经验模态分解（ICEEMD）、雾凇优化算法（RIME）与深度混合核极限学习机（DHKELM）的建筑业碳排放量预测模型。首先，根据IPCC计算方法，从直接和间接两个方面测算1992—2021年我国建筑业碳排放量，基于STIRPAT模型选取年末总人口数、国内生产总值、建筑业房屋竣工面积和能源结构等17个影响建筑业碳排放量的因素，然后利用灰色关联分析和MIC方法两阶段筛选出12个关键影响因素；其次，使用ICEEMD将建筑业碳排放量分解为多个平稳序列和一个残差项，并将其分别代入RIME算法优化关键参数后的DHKELM模型中。最后，将各分解序列的预测结果相加获得建筑业碳排放预测值，并对比分析多种基准模型的预测结果。结果显示：MIC-ICEEMD-RIME-DHKELM模型的预测性能最优，其均方根误差、平均绝对误差、平均绝对百分比误差和绝对相关系数分别为0.2782亿t、0.2672亿t、1.3783%和0.9576，均优于其他模型，证明该模型适用于建筑业碳排放量的预测。该研究成果为建筑业的低碳发展提供理论支持和技术参考。
Paper Publications
