基于优化LSTM模型的中国碳排放量预测研究

扫码查看

原文链接

万方数据
维普

中文摘要：提高碳排放预测的准确性和泛化性是助力"双碳"目标实现的重要基础.首先,文章基于长短时记忆模型,拓展加入主成分分析法和注意力机制,提出了优化后的碳排放预测方法.其次,以中国日碳排放量为例进行实证分析,结合碳排放市场交易、能源价格、城市空气质量等15个指标进行预测,并与LSTM、RNN、CNN等6个传统深度学习模型比较.实证结果表明,基于MAE和MSE等5项准则,优化后的LSTM模型对中国日碳排放量拥有更为优异的预测性能.最后,文章为未来相关领域的模型选择优化提供了实证依据和重要启示.

作者：

叶仁道、卢毅

展开 >

作者单位：

杭州电子科技大学经济学院

关键词：

碳排放长短时记忆模型主成分分析注意力机制深度学习

出版年：

2024

DOI：

10.19456/j.cnki.tjyzx.2024.05.004

统计与咨询

黑龙江统计局黑龙江省统计学会

统计与咨询

CHSSCD

影响因子：0.131

ISSN：

年,卷(期)：2024.(5)