基于GBDT-XGBoost的西北地区制造业碳排放预测研究
发布时间：2025-09-07
点击次数：
- DOI码：
- 10.19672/j.cnki.1003-6504.1425.24.338
- 发表刊物：
- 环境科学与技术
- 关键字：
- 制造业碳排放;;XGBoost模型;;西北地区;;影响因素;;预测模型
- 摘要：
- 西北地区工业发展高度依赖煤炭、石油化工等高能耗、高排放产业，导致制造业碳排放量持续上升。该研究根据2000-2020年面板数据，建立基于STIRPAT模型、梯度提升决策树（GBDT）以及极度梯度提升树（XGBoost）相结合的碳排放预测模型。通过排放因子法估算碳排放量，分析西北地区碳排放现状以及揭示其时空演变特征，运用扩展的STIRPAT模型选取15项与碳排放量相关的影响因素，并结合Pearson相关性分析和GBDT进一步筛选关键影响因素，对比5种机器学习模型。结果表明，XGBoost对数据的预测表现最优，其评价指标MSE、MAPE和R2分别为0.54%、16.78%和93.87%，且该模型在西北地区各省份的预测R2均大于90%，准确度高，证明其能够较为准确地预测制造业碳排放量，为西北地区尽早实现“双碳”目标提供参考。
- 卷号：
- 47
- 期号：
- 12
- 页面范围：
- 131-143
- ISSN号：
- 1003-6504
- 是否译文：
- 否
- 发表时间：
- 2024-12-15