基于机器学习的碳排放强度预测模型
Accuracy Study of Carbon Emission Intensity Prediction Models
孟丽新 1贺若兰 1木仁1
作者信息
- 1. 吉林财经大学统计学院,吉林长春 130000
- 折叠
摘要
本文以碳排放强度为主要研究对象,使用2005年至2019年中国碳排放相关数据,建立支持向量回归机SVR模型、随机森林RF模型、BP神经网络模型以及SVR-RF、SVR-BP组合模型.研究结果表明,组合模型的拟合精度优于单一模型,其中SVR-BP组合模型的拟合效果最佳,各区域可结合发展特征,通过SVR-BP组合模型预测未来碳减排情况,探究更加科学的减排路径.
Abstract
This paper takes carbon emission intensity as the main research object,and uses relevant data of China's carbon emissions from 2005 to 2019 to establish support vector regression SVR model,random forest RF model,BP neural network model,and combined models of SVR-RF and SVR-BP.The results show that the prediction accuracy of the combined model is better than that of the single model,among which the SVR-BP combined model has the best prediction effect.Therefore,the SVR-BP combined model can be used to simulate the future carbon emission reduction by combining the development characteristics of each region to explore a more scientific emission reduction path.
关键词
碳排放强度/支持向量回归机/随机森林Key words
carbon emission intensity/support vector regression machine/random forest引用本文复制引用
基金项目
国家社会科学基金一般项目(21BTJ027)
国家自然科学基金面上项目(72371115)
国家自然科学基金面上项目(12271201)
吉林省教育厅科研项目(JJKH20230182KJ)
吉林财经大学科学研究重点项目(2019Z03)
出版年
2024
NETL
NSTL
维普
万方数据