城市交通碳排放预测的多模型对比分析

被引：12

作者：

高金贺 ^{[1
]}

黄伟玲 ^{[2
]}

蒋浩鹏 ^{[3
]}

机构：

[1] 东华理工大学土木与建筑工程学院

[2] 东华理工大学长江学院

[3] 河北工业大学土木与交通学院

来源：

重庆交通大学学报(自然科学版) | 2020年 / 39卷 / 07期

关键词：

交通运输工程; 碳排放预测; GA-SVM模型; 影响指标;

D O I：

暂无

中图分类号：

X73 [交通运输业废物处理与综合利用];

学科分类号：

摘要：

为寻找合适的城市交通运输碳排放预测方法,基于STIRPAT模型,选取人口总量、人均GDP、机动车保有量、碳排放强度、城镇化率、旅客周转量和货物周转量等7项指标作为城市交通运输碳排放影响因素,分别建立基于遗传算法优化支持向量机、粒子群优化支持向量机、网格搜索优化支持向量机预测模型,并以1995—2016年交通运输碳排放相关指标作为基础数据做实例分析。结果表明:GA-SVM对比PSO-SVM与GS-SVM所得出训练集的相关系数分别增长了2.74%和1.07%,测试集的相关系数分别增长了1.04%和0.29%,较其它两种预测模型具有良好的学习和推广能力,说明GA-SVM模型更适合对城市交通碳排放进行预测分析。

引用

页码：33 / 39

页数：7

共 15 条

[11] The effect of urbanization, affluence and trade openness on energy consumption: A time series analysis in Malaysia[J] . Muhammad Shahbaz,Nanthakumar Loganathan,Rashid Sbia,Talat Afza.Renewable and Sustainable Energy Reviews . 2015
[12] Transport sector CO 2 emissions growth in Asia: Underlying factors and policy options[J] . Govinda R. Timilsina,Ashish Shrestha.Energy Policy . 2009 (11)
[13] Analysis of the environmental impact of China based on STIRPAT model
Lin, Shoufu
Zhao, Dingtao
Marinova, Dora
[J]. ENVIRONMENTAL IMPACT ASSESSMENT REVIEW, 2009, 29 (06) : 341 - 347
[14] SUPPORT-VECTOR NETWORKS
CORTES, C
VAPNIK, V
[J]. MACHINE LEARNING, 1995, 20 (03) : 273 - 297
[15] 基于IPAT模型的江苏省能源消费与碳排放情景研究
聂锐
张涛
王迪
[J]. 自然资源学报, 2010, 25 (09) : 1557 - 1564

← 1 2 →